Nauji tyrimai, kurie bus pristatyti šių metų Europos diabeto tyrimų asociacijos (EASD) metiniame susitikime Madride (rugsėjo 9-13 d.), atskleidžia balso analizės panaudojimo galimybes siekiant nustatyti nediagnozuotus 2 tipo diabeto (T2D) atvejus.
Tyrimo eiga
Tyrime buvo naudojami vidutiniškai 25 sekundžių trukmės žmonių balsai kartu su pagrindiniais sveikatos duomenimis, įskaitant amžių, lytį, kūno masės indeksą (KMI) ir hipertenzijos būklę, siekiant sukurti dirbtinio intelekto modelį, pagal kurį galima atskirti, ar asmuo serga T2D, ar ne, 66 % tikslumu moterims ir 71 % tikslumu vyrams.
„Dauguma dabartinių 2 tipo diabeto patikros metodų reikalauja daug laiko, yra invaziniai, laboratoriniai ir brangūs. Suderinus dirbtinį intelektą su balso technologijomis, galima padidinti tyrimų prieinamumą pašalinant šias kliūtis. Šis tyrimas yra pirmas žingsnis siekiant balso analizę naudoti kaip pirmos eilės, labai lengvai pritaikomą 2 tipo diabeto patikros strategiją.“ – teigė Abiras Elbeji, pagrindinis autorius iš Liuksemburgo sveikatos instituto Liuksemburge.
Maždaug pusė suaugusiųjų, sergančių diabetu (apie 240 mln. visame pasaulyje), nežino, kad serga šia liga, nes simptomai gali būti bendri arba jų iš viso nėra – apie 90 proc. iš jų serga T2D.
Tačiau ankstyvas ligos nustatymas ir gydymas gali padėti išvengti rimtų komplikacijų. Nediagnozuotų T2D atvejų mažinimas visame pasaulyje yra neatidėliotinas visuomenės sveikatos uždavinys.
Tyrimo tikslas – sukurti ir įvertinti balsu paremto dirbtinio intelekto algoritmo, skirto nustatyti, ar suaugusieji serga T2D, veiksmingumą.
Tyrėjai paprašė 607 suaugusiųjų, dalyvavusių tyrime „Colive Voice“ (kuriems diagnozuota ir nediagnozuota T2D), tiesiogiai iš savo išmaniojo telefono ar nešiojamojo kompiuterio pateikti savo balso įrašą, kuriame jie perskaito kelis pateiktus sakinius.
Tiek moterys, tiek vyrai, sergantys T2D, buvo vyresnio amžiaus (vidutinis moterų amžius 49,5 vs 40,0 metų, o vyrų – 47,6 vs 41,6 metų) ir dažniau gyveno su nutukimu (vidutinis moterų KMI 35,8 vs 28,0 kg/m², o vyrų – 32,8 vs 26,6 kg/m²) nei tie, kurie T2D neturėjo.
Iš 607 įrašų dirbtinio intelekto algoritmas analizavo įvairias vokalo savybes, pavyzdžiui, aukščio, intensyvumo ir tono pokyčius, kad nustatytų skirtumus tarp diabetu sergančių ir nesergančių asmenų.
Tai buvo atlikta naudojant du pažangius metodus: vieną, kuris užfiksavo iki 6 000 išsamių vokalinių charakteristikų, ir sudėtingesnį gilaus mokymosi metodą, kuris sutelkė dėmesį į patobulintą 1 024 pagrindinių požymių rinkinį.
Tyrimo rezultatai
Geriausių modelių rezultatai buvo sugrupuoti pagal kelis diabeto rizikos veiksnius, įskaitant amžių, KMI ir hipertenziją, ir palyginti su patikima Amerikos diabeto asociacijos (ADA) T2D rizikos vertinimo priemone.
Balsu pagrįsti algoritmai parodė gerą bendrą prognozavimo gebėjimą, teisingai nustatydami 71 % vyrų ir 66 % moterų T2D atvejų. Modelis dar geriau veikė 60 metų ar vyresnių moterų ir asmenų, sergančių hipertenzija, atveju.
Be to, 93 % sutapo su klausimynu pagrįstu ADA rizikos balu, o tai rodo, kad balso analizės ir plačiai pripažintos atrankos priemonės rezultatai yra lygiaverčiai.
„Nors mūsų rezultatai teikia vilčių, būtina atlikti tolesnius tyrimus ir juos patvirtinti, kad šis metodas galėtų tapti pirmos eilės diabeto patikros strategija ir padėtų sumažinti nediagnozuotų 2 tipo diabeto atvejų skaičių. Kiti mūsų žingsniai – konkrečiai orientuotis į ankstyvosios stadijos 2 tipo diabeto atvejus ir priešdiabetinius susirgimus“, – sakė vienas iš autorių daktaras Guy Fagherazzi iš Liuksemburgo Sveikatos instituto.
Taip patskaitykite
