KI und 10 Sekunden Stimme können auf Diabetes hinweisen

Wissenschaftler entdecken Sprachtechnologie als potenziellen Wegbereiter für die Erkennung von Typ-2-Diabetes

24.10.2023

Symbolbild

Computer-generated image

Die Feststellung, ob eine Person Diabetiker ist, könnte so einfach sein, wie ein paar Sätze in ihr Smartphone zu sprechen. Dies geht aus einer bahnbrechenden Studie von Klick Labs hervor, die Sprachtechnologie mit künstlicher Intelligenz kombiniert und damit einen großen Schritt vorwärts in der Diabeteserkennung macht.

Die neue Studie, veröffentlicht in Mayo Clinic Proceedings: Digital Health veröffentlicht wurde, beschreibt, wie Wissenschaftler sechs bis zehn Sekunden der Stimme einer Person zusammen mit grundlegenden Gesundheitsdaten wie Alter, Geschlecht, Größe und Gewicht verwendet haben, um ein KI-Modell zu erstellen, das erkennen kann, ob die Person an Typ-2-Diabetes leidet. Die Genauigkeit des Modells liegt bei 89 Prozent für Frauen und 86 Prozent für Männer.

Für die Studie baten die Forscher von Klick Labs 267 Personen (die entweder als Nicht-Diabetiker oder als Typ-2-Diabetiker diagnostiziert wurden), zwei Wochen lang sechsmal täglich einen Satz in ihr Smartphone aufzunehmen. Aus mehr als 18.000 Aufnahmen analysierten die Wissenschaftler 14 akustische Merkmale auf Unterschiede zwischen Nicht-Diabetikern und Typ-2-Diabetikern.

Studie schlägt Stuhlanalyse zur Früherkennung von Bauchspeicheldrüsenkrebs vor

Genetische Signatur von 27 Mikroorganismen im Stuhl definiert die Hochrisikopopulation für das duktale Adenokarzinom der Bauchspeicheldrüse

News lesen

"Unsere Forschung zeigt signifikante stimmliche Unterschiede zwischen Personen mit und ohne Typ-2-Diabetes auf und könnte die Art und Weise, wie die medizinische Gemeinschaft auf Diabetes untersucht, verändern", sagte Jaycee Kaufman, Erstautorin der Studie und Forscherin bei Klick Labs. "Die derzeitigen Erkennungsmethoden sind mit einem hohen Zeit-, Reise- und Kostenaufwand verbunden. Die Sprachtechnologie hat das Potenzial, diese Hindernisse vollständig zu beseitigen."

Das Team von Klick Labs untersuchte eine Reihe von Stimmmerkmalen, wie Änderungen in der Tonhöhe und Intensität, die vom menschlichen Ohr nicht wahrgenommen werden können. Mit Hilfe der Signalverarbeitung konnten die Wissenschaftler Veränderungen in der Stimme erkennen, die durch Typ-2-Diabetes verursacht werden. Überraschenderweise manifestierten sich diese stimmlichen Veränderungen bei Männern und Frauen auf unterschiedliche Weise, so Kaufman.

Ein potenzielles neues Screening-Instrument für nicht diagnostizierten Diabetes

Fast jeder zweite oder 240 Millionen Erwachsene, die weltweit mit Diabetes leben, wissen nicht, dass sie die Krankheit haben, und fast 90 Prozent der Diabetesfälle sind Typ-2-Diabetes, so die International Diabetes Federation. Zu den am häufigsten verwendeten Diagnosetests für Prädiabetes und Typ-2-Diabetes gehören der glykosylierte Hämoglobinwert (A1C), der Nüchternblutzuckertest (FBG) und der OGTT - alles Tests, die für die Patienten den Gang zum Gesundheitsdienstleister erfordern.

Yan Fossat, Vizepräsident von Klick Labs und leitender Prüfarzt dieser Studie, sagte, dass der nicht-intrusive und zugängliche Ansatz von Klick das Potenzial hat, eine große Anzahl von Menschen zu untersuchen und dazu beizutragen, den großen Prozentsatz nicht diagnostizierter Menschen mit Typ-2-Diabetes zu identifizieren.

"Unsere Forschung unterstreicht das enorme Potenzial der Sprachtechnologie bei der Erkennung von Typ-2-Diabetes und anderen Gesundheitszuständen", sagte Fossat. "Die Sprachtechnologie könnte die Gesundheitspraxis als zugängliches und erschwingliches digitales Screening-Instrument revolutionieren".

Fossat sagte, dass die nächsten Schritte darin bestehen werden, die Studie zu wiederholen und die Forschung zur Nutzung der Stimme als Diagnoseinstrument in anderen Bereichen wie Prädiabetes, Frauengesundheit und Bluthochdruck zu erweitern.

Diese jüngste Entdeckung wurde durch die mehr als zehnjährige Erfahrung von Klick Labs und die Investitionen in maschinelles Lernen, Datenwissenschaft und künstliche Intelligenz in verschiedenen therapeutischen Bereichen, einschließlich Diabetes, ermöglicht. Ihre Studie "Homeostasis as a proportional-integral control system" (Homöostase als proportional-integrales Kontrollsystem), die 2020 in Nature Digital Medicine veröffentlicht wurde, basierte ebenfalls auf mathematischer Modellierung, um einige der zugrundeliegenden Veränderungen in der Glukoseregulierung zu bestimmen. In jüngerer Zeit wurde die Studie "Screening for Impaired Glucose Homeostasis: A Novel Metric of Glycemic Control" in den Mayo Clinic Proceedings veröffentlicht: Digitale Gesundheit.

Hinweis: Dieser Artikel wurde mit einem Computersystem ohne menschlichen Eingriff übersetzt. LUMITOS bietet diese automatischen Übersetzungen an, um eine größere Bandbreite an aktuellen Nachrichten zu präsentieren. Da dieser Artikel mit automatischer Übersetzung übersetzt wurde, ist es möglich, dass er Fehler im Vokabular, in der Syntax oder in der Grammatik enthält. Den ursprünglichen Artikel in Englisch finden Sie hier.

Originalveröffentlichung

Jaycee M. Kaufman, Anirudh Thommandram, Yan Fossat; "Acoustic Analysis and Prediction of Type 2 Diabetes Mellitus Using Smartphone-Recorded Voice Segments"; Mayo Clinic Proceedings: Digital Health, Volume 1

https://www.bionity.com/de/news/1181851/ki-und-10-sekunden-stimme-koennen-auf-diabetes-hinweisen.html