Een nieuwe studie toont aan dat het gebruik van kunstmatige intelligentie om een ​​paar seconden van iemands stem te analyseren, met een nauwkeurigheid van 89% kan bepalen of hij of zij diabetes type 2 heeft. Deze niet-invasieve methode belooft een revolutie teweeg te brengen in de diabetesscreening door de huidige barrières voor testen, zoals tijd, kosten en reizen, weg te nemen.

Wetenschappers van KlickLabs zien stemtechnologie als een potentiële doorbraak in het opsporen van diabetes type 2. Uit een baanbrekend laboratoriumonderzoek blijkt dat het binnenkort net zo eenvoudig kan worden om vast te stellen of iemand diabetes heeft als het uitspreken van een paar zinnetjes in een smartphone. Het onderzoek, dat spraakherkenningstechnologie en kunstmatige intelligentie combineert, markeert een grote vooruitgang in de identificatie van diabetes.

De nieuwe studie, gepubliceerd in het tijdschrift Mayo Clinic Proceedings: Digital Health, schetst hoe wetenschappers zes tot tien seconden iemands stem en basisgezondheidsgegevens, waaronder leeftijd, geslacht, lengte en gewicht, gebruikten om een ​​model voor kunstmatige intelligentie te creëren dat kon bepalen of de persoon diabetes type 2 had. Het model was 89% nauwkeurig voor vrouwen en 86% nauwkeurig voor mannen.

Voor het onderzoek vroegen onderzoekers in het Klick-lab 267 mensen (gediagnosticeerd als niet-diabeet of type 2-diabeet) om zes keer per dag gedurende twee weken een zin op hun smartphone op te nemen. Uit meer dan 18.000 opnames analyseerden wetenschappers 14 verschillen in stemsignatuur tussen niet-diabetici en mensen met type 2-diabetes.

"Onze studie benadrukt significante vocale verschillen tussen mensen met type 2-diabetes en mensen zonder type 2-diabetes, wat de manier zou kunnen veranderen waarop de medische gemeenschap op diabetes screent", zegt eerste auteur Jaycee Kaufman, een onderzoekswetenschapper in het Klick Laboratory. "De huidige detectiemethoden vereisen veel tijd, reizen en kosten. Spraaktechnologie heeft het potentieel om deze barrières volledig weg te nemen."

Uit een nieuwe klinische studie van Klick Labs blijkt dat kunstmatige intelligentie en 10 seconden spraak de manier kunnen veranderen waarop mensen worden gescreend op diabetes, waardoor betere service en lagere kosten worden geboden dan de huidige screeningmethoden. De bevindingen, gepubliceerd in Mayo Clinic Proceedings: Digital Health, toonden aan dat stemsignaturen 89 procent nauwkeurig waren bij het voorspellen van diabetes type 2 voor vrouwen en 86 procent voor mannen. Bron: ClickLabs

Het team van Klick Lab bestudeerde enkele kenmerken van geluid die niet waarneembaar zijn voor het menselijk oor, zoals veranderingen in toonhoogte en intensiteit. Met behulp van signaalverwerkingstechnieken konden wetenschappers veranderingen in geluid detecteren die veroorzaakt werden door diabetes type 2. Wat verrassend is, zegt Kaufman, is dat deze vocale veranderingen zich bij mannen en vrouwen anders manifesteren.

Volgens de Internationale Diabetes Federatie weet bijna één op de twee diabetici wereldwijd, oftewel 240 miljoen volwassenen, niet dat ze diabetes hebben, en is bijna 90% van de diabetesgevallen diabetes type 2. De meest gebruikte diagnostische tests voor prediabetes en diabetes type 2 zijn onder meer de geglycosyleerde hemoglobine (A1C), de nuchtere bloedglucosetest (FBG) en OGTT, waarvoor patiënten allemaal een medische instelling moeten bezoeken.

Yan Fossat, vice-president van KlickLabs en hoofdonderzoeker van dit onderzoek, zei dat de niet-invasieve en barrièrevrije methode van Klick de mogelijkheid biedt om een ​​groot aantal mensen te screenen en een groot aantal niet-gediagnosticeerde type 2-diabetespatiënten te helpen ontdekken.

"Onze studie benadrukt het enorme potentieel van stemtechnologie voor het identificeren van diabetes type 2 en andere gezondheidsproblemen", aldus Fossat. "Spraaktechnologie heeft het potentieel om een ​​revolutie teweeg te brengen in de gezondheidszorgpraktijk als een gebruiksvriendelijk, betaalbaar digitaal screeningsinstrument."

Fossatt zei dat de volgende stappen zullen zijn om het onderzoek te repliceren en hun onderzoek uit te breiden naar het gebruik van spraak als diagnostisch hulpmiddel op andere gebieden, zoals prediabetes, de gezondheid van vrouwen en hypertensie.