La inteligencia artificial y 10 segundos de voz pueden detectar la diabetes
Los científicos descubren que la tecnología de la voz puede cambiar las reglas del juego en la detección de la diabetes de tipo 2
El nuevo estudio, publicado en Mayo Clinic Proceedings: Digital Health, describe cómo los científicos utilizaron entre seis y diez segundos de la voz de las personas, junto con datos básicos de salud, como la edad, el sexo, la altura y el peso, para crear un modelo de IA que puede distinguir si esa persona tiene diabetes de tipo 2. El modelo tiene una precisión del 89% en el caso de las mujeres. El modelo tiene una precisión del 89% para las mujeres y del 86% para los hombres.
Para el estudio, los investigadores de Klick Labs pidieron a 267 personas (diagnosticadas como no diabéticas o diabéticas de tipo 2) que grabaran una frase en su smartphone seis veces al día durante dos semanas. A partir de más de 18.000 grabaciones, los científicos analizaron 14 características acústicas en busca de diferencias entre individuos no diabéticos y diabéticos de tipo 2.
"Nuestra investigación pone de relieve variaciones vocales significativas entre las personas con y sin diabetes tipo 2 y podría transformar la forma en que la comunidad médica detecta la diabetes", dijo Jaycee Kaufman, primer autor del artículo e investigador científico en Klick Labs. "Los métodos actuales de detección pueden requerir mucho tiempo, desplazamientos y costes. La tecnología de voz tiene el potencial de eliminar estas barreras por completo".
El equipo de Klick Labs analizó una serie de características vocales, como cambios en el tono y la intensidad que el oído humano no puede percibir. Mediante el procesamiento de señales, los científicos pudieron detectar los cambios en la voz causados por la diabetes de tipo 2. Sorprendentemente, estos cambios vocales se manifiestan de forma distinta en hombres y mujeres, según Kaufman.
Una nueva herramienta para detectar la diabetes no diagnosticada
Casi uno de cada dos, o 240 millones de adultos diabéticos en todo el mundo, desconoce que padece esta enfermedad, y casi el 90 por ciento de los casos de diabetes son de tipo 2, según la Federación Internacional de Diabetes. Las pruebas diagnósticas más utilizadas para la prediabetes y la diabetes de tipo 2 son la hemoglobina glucosilada (A1C), la glucemia en ayunas (GSA) y la prueba de la glucosa en sangre (SOG).
Yan Fossat, vicepresidente de Klick Labs e investigador principal de este estudio, afirmó que el método no intrusivo y accesible de Klick ofrece la posibilidad de examinar a un gran número de personas y ayudar a identificar el elevado porcentaje de diabéticos de tipo 2 no diagnosticados.
"Nuestra investigación subraya el enorme potencial de la tecnología de voz para detectar la diabetes de tipo 2 y otros problemas de salud", afirma Fossat. "La tecnología de voz podría revolucionar las prácticas sanitarias como herramienta digital de detección accesible y asequible".
Fossat dijo que los próximos pasos serán replicar el estudio y ampliar su investigación utilizando la voz como diagnóstico en otras áreas como la prediabetes, la salud de la mujer y la hipertensión.
Este último descubrimiento es posible gracias a más de una década de experiencia e inversión de Klick Labs en aprendizaje automático, ciencia de datos e inteligencia artificial en varias áreas terapéuticas, incluido el campo de la diabetes. Su estudio "Homeostasis as a proportional-integral control system", publicado en Nature Digital Medicine en 2020, también se basó en el modelado matemático para determinar algunos de los cambios subyacentes en cómo se regula la glucosa. Más recientemente, su estudio "Screening for Impaired Glucose Homeostasis: A Novel Metric of Glycemic Control" apareció en Mayo Clinic Proceedings: Digital Health.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.