Μια σύντομη ηχογράφηση θα μπορούσε στο μέλλον να αποτελέσει το πρώτο βήμα για τον εντοπισμό ανθρώπων που χρειάζονται εξέταση για διαβήτη τύπου 2. Ερευνητές ανέπτυξαν ένα μοντέλο τεχνητής νοημοσύνης που αναλύει 20 δευτερόλεπτα ομιλίας, αναζητώντας χαρακτηριστικά της φωνής που συνδέονται με τη νόσο.
Τα ευρήματα παρουσιάστηκαν στο ετήσιο συνέδριο της Ευρωπαϊκής Ένωσης για τη Μελέτη του Διαβήτη (EASD), στο Μιλάνο, σύμφωνα με ανακοίνωση στο EurekAlert!. Η μέθοδος βρίσκεται υπό αξιολόγηση: στόχος είναι να βοηθήσει στην επιλογή ανθρώπων για περαιτέρω έλεγχο, χωρίς να υποκαθιστά τις εξετάσεις αίματος ή να θέτει διάγνωση.
Τι αναζητούν οι ερευνητές στη φωνή
Προηγούμενες έρευνες έχουν συσχετίσει τον διαβήτη τύπου 2 με μεταβολές στην ομιλία, όπως αυξημένη βραχνάδα, τραχύτητα της φωνής και δυσκολίες στον έλεγχο της αναπνοής κατά τον λόγο. Αυτές τις διαφορές επιχειρεί να αξιοποιήσει η ομάδα της εταιρείας Thymia, σε συνεργασία με το Πανεπιστήμιο RMIT της Αυστραλίας.
Για την ανάπτυξη του μοντέλου χρησιμοποιήθηκαν 63.283 δείγματα φωνής από 21.129 ανθρώπους στο Ηνωμένο Βασίλειο και τις ΗΠΑ, οι οποίοι είχαν δηλώσει αν είχαν διαγνωστεί με διαβήτη. Στη συνέχεια, το εργαλείο δοκιμάστηκε σε σύντομες ηχογραφήσεις συμμετεχόντων που διάβαζαν έναν μύθο του Αισώπου.
Η πρώτη αξιολόγηση περιέλαβε 7.319 ενήλικες στο Ηνωμένο Βασίλειο, από τους οποίους 217 ανέφεραν ότι είχαν διαβήτη τύπου 2. Σε αυτή την αξιολόγηση, το μοντέλο έδινε υψηλότερη βαθμολογία κινδύνου στα άτομα που δήλωναν ότι είχαν διαβήτη τύπου 2 σε σχέση με εκείνα που δεν είχαν διαγνωστεί, στο 80% των συγκρίσεων.
Η δεύτερη συνέκρινε τις εκτιμήσεις του μοντέλου με μετρήσεις γλυκοζυλιωμένης αιμοσφαιρίνης (HbA1c) σε υποομάδα 801 συμμετεχόντων. Οι αιματολογικές εξετάσεις πραγματοποιήθηκαν εντός τριών μηνών από την ηχογράφηση.
Τι έδειξε η σύγκριση
Η HbA1c αποτυπώνει τα μέσα επίπεδα σακχάρου των προηγούμενων δύο έως τριών μηνών και χρησιμοποιείται στη διάγνωση και την παρακολούθηση του διαβήτη.
Στη σύγκριση με αυτήν την εξέταση, το μοντέλο εντόπισε το 82% των συμμετεχόντων με τιμές στο διαβητικό εύρος, στο όριο αξιολόγησης που χρησιμοποιήθηκε. Ωστόσο, κατέταξε ως υψηλού κινδύνου και το 47% όσων δεν είχαν τιμές στο διαβητικό εύρος. Πρόκειται για σημαντικό ποσοστό ψευδώς θετικών αποτελεσμάτων, το οποίο δείχνει γιατί η εκτίμηση από τη φωνή χρειάζεται εργαστηριακή επιβεβαίωση.
Χαμηλότερη ήταν η απόδοση του εργαλείου σε ανθρώπους με καρδιαγγειακή νόσο, υπέρταση ή παχυσαρκία. Όπως εκτιμούν οι ερευνητές, αυτές οι καταστάσεις συχνά συνυπάρχουν με τον διαβήτη και ενδέχεται να προκαλούν παρόμοιες φωνητικές μεταβολές, δυσκολεύοντας τον διαχωρισμό.
Επιπλέον, τα δεδομένα προέρχονται από αγγλόφωνους συμμετέχοντες. Επομένως, η αποτελεσματικότητα σε άλλες γλώσσες και πληθυσμούς χρειάζεται ξεχωριστή διερεύνηση. Η εργασία είναι διαθέσιμη και ως προδημοσίευση στο medRxiv, χωρίς να έχει ολοκληρωθεί η αξιολόγησή της από ομοτίμους.
Πώς θα μπορούσε να χρησιμοποιηθεί
Η πρακτική δυνατότητα που εξετάζει η ομάδα είναι η λήψη ενός δείγματος ομιλίας τηλεφωνικά ή μέσω εφαρμογής. Όσοι λαμβάνουν υψηλότερη βαθμολογία κινδύνου θα μπορούσαν να παραπέμπονται για αιματολογικές εξετάσεις, διευρύνοντας την πρόσβαση στον έλεγχο, ιδιαίτερα για ανθρώπους που δεν επισκέπτονται συστηματικά τον γιατρό.
Η Giedrė Čepukaitytė, ερευνήτρια που παρουσιάζει τα ευρήματα, υπογραμμίζει ότι το μοντέλο δεν αντικαθιστά την εξέταση αίματος και δεν πρέπει να αποτρέπει κανέναν από το να παραπεμφθεί σε ειδικό, όταν θεωρεί ότι το χρειάζεται.
Επόμενος στόχος είναι η δοκιμή του σε κλινικό περιβάλλον και η αξιολόγηση της απόδοσής του σε διαφορετικές ομάδες. Για να αξιοποιηθεί στην πράξη, θα πρέπει να αποδειχθεί ότι βοηθά στον έγκαιρο εντοπισμό του διαβήτη, χωρίς να δημιουργεί υπερβολικές παραπομπές ή ψευδή καθησυχασμό.
Διαβάστε επίσης
Προδιαβήτης: Οι τιμές που χτυπούν «καμπανάκι» – 5 κινήσεις που μπορούν να προλάβουν τον διαβήτη
Εγκρίθηκε ο πρώτος wearable αισθητήρας για σάκχαρο και κετόνες
Σάκχαρο: Αυτό είναι το κόλπο για να το έχετε πάντα ρυθμισμένο
