Πώς 20 δευτερόλεπτα ομιλίας μπορεί να αποκαλύψουν την πιθανότητα ύπαρξης διαβήτη τύπου 2

Μια σύντομη ηχογράφηση της φωνής θα μπορούσε στο μέλλον να λειτουργεί ως ένα πρώτο «φίλτρο» για τον εντοπισμό ανθρώπων που χρειάζονται έλεγχο για διαβήτη τύπου 2.

Ερευνητική ομάδα ανέπτυξε μοντέλο τεχνητής νοημοσύνης το οποίο αναλύει μόλις 20 δευτερόλεπτα ομιλίας, αναζητώντας μικρές διαφοροποιήσεις στη φωνή που έχουν συνδεθεί με τη νόσο. Τα αποτελέσματα παρουσιάστηκαν στο ετήσιο συνέδριο της Ευρωπαϊκής Ένωσης για τη Μελέτη του Διαβήτη (EASD) στο Μιλάνο.

Η συγκεκριμένη τεχνολογία δεν έχει σχεδιαστεί για να αντικαταστήσει τις αιματολογικές εξετάσεις ούτε μπορεί, σε αυτό το στάδιο, να θέσει διάγνωση. Η πιθανή χρήση της αφορά τον προσυμπτωματικό έλεγχο, ώστε να εντοπίζονται άτομα που θα μπορούσαν στη συνέχεια να παραπεμφθούν για εργαστηριακό έλεγχο.

Τι μπορεί να αποκαλύψει η φωνή

Προηγούμενες μελέτες έχουν δείξει ότι ο διαβήτης τύπου 2 ενδέχεται να συνδέεται με ορισμένες αλλαγές στην ομιλία. Μεταξύ αυτών έχουν καταγραφεί μεγαλύτερη βραχνάδα και τραχύτητα της φωνής, αλλά και διαφοροποιήσεις στον τρόπο με τον οποίο κάποιος ελέγχει την αναπνοή και τη φώνηση κατά την ομιλία.

Αυτά τα χαρακτηριστικά επιχειρεί να εντοπίσει το μοντέλο που αναπτύχθηκε από την εταιρεία τεχνολογίας Thymia σε συνεργασία με ερευνητές του RMIT University στην Αυστραλία.

Για την εκπαίδευσή του χρησιμοποιήθηκαν 63.283 δείγματα φωνής από 21.129 ανθρώπους στο Ηνωμένο Βασίλειο και τις ΗΠΑ. Στη συνέχεια, το μοντέλο δοκιμάστηκε σε νέες ηχογραφήσεις διάρκειας περίπου 20 δευτερολέπτων, στις οποίες οι συμμετέχοντες διάβαζαν ένα κείμενο από τους μύθους του Αισώπου.

Τι έδειξαν οι δοκιμές

Στην πρώτη αξιολόγηση συμμετείχαν 7.319 ενήλικες από το Ηνωμένο Βασίλειο, μεταξύ των οποίων 217 είχαν δηλώσει ότι είχαν διαγνωστεί με διαβήτη τύπου 2.

Το μοντέλο έδωσε υψηλότερη βαθμολογία κινδύνου στους ανθρώπους που ανέφεραν ότι είχαν διαβήτη τύπου 2 σε σχέση με όσους δεν είχαν αναφέρει τη νόσο στο 80% των περιπτώσεων.

Οι ερευνητές προχώρησαν στη συνέχεια σε δεύτερη αξιολόγηση, συγκρίνοντας τις εκτιμήσεις της τεχνητής νοημοσύνης με αποτελέσματα εξέτασης γλυκοζυλιωμένης αιμοσφαιρίνης (HbA1c) σε 801 συμμετέχοντες. Οι εξετάσεις πραγματοποιήθηκαν μέσα σε διάστημα τριών μηνών από την ηχογράφηση.

Η HbA1c χρησιμοποιείται για την εκτίμηση των μέσων επιπέδων σακχάρου στο αίμα κατά τους προηγούμενους δύο έως τρεις μήνες και αποτελεί βασικό εργαστηριακό δείκτη για τον διαβήτη.

Σε αυτή τη σύγκριση, το μοντέλο εντόπισε το 82% των συμμετεχόντων που βρίσκονταν στο διαβητικό εύρος, όμως ταυτόχρονα χαρακτήρισε ως υψηλότερου κινδύνου και σημαντικό ποσοστό ανθρώπων που δεν είχαν αντίστοιχα παθολογικά αποτελέσματα. Το εύρημα αυτό αναδεικνύει τον περιορισμό της μεθόδου και την ανάγκη επιβεβαίωσης με αιματολογικές εξετάσεις.

Πού εμφανίζει αδυναμίες η μέθοδος

Η απόδοση του μοντέλου δεν ήταν ίδια σε όλες τις ομάδες. Οι ερευνητές διαπίστωσαν χαμηλότερη αποτελεσματικότητα σε ανθρώπους με καρδιαγγειακά προβλήματα, υπέρταση ή παχυσαρκία. Μία πιθανή εξήγηση είναι ότι αυτές οι καταστάσεις συχνά συνυπάρχουν με τον διαβήτη και ενδέχεται να προκαλούν παρόμοιες αλλαγές στη φωνή, δυσκολεύοντας την τεχνητή νοημοσύνη να ξεχωρίσει την αιτία.

Παράλληλα, σημαντικό περιορισμό αποτελεί το γεγονός ότι τα δεδομένα της συγκεκριμένης αξιολόγησης προέρχονται από αγγλόφωνους συμμετέχοντες. Συνεπώς, απαιτείται περαιτέρω έρευνα για να διαπιστωθεί πόσο καλά μπορεί να λειτουργήσει η τεχνολογία σε διαφορετικές γλώσσες και πληθυσμούς.

Η μελέτη έχει δημοσιευθεί ως προδημοσίευση στο medRxiv και, ως εκ τούτου, τα αποτελέσματα δεν θα πρέπει να θεωρούνται ακόμη οριστικά ή αντίστοιχα με εκείνα μιας πλήρως αξιολογημένης από ομοτίμους κλινικής μελέτης.

Πώς θα μπορούσε να χρησιμοποιηθεί στο μέλλον

Το ενδιαφέρον των ερευνητών βρίσκεται κυρίως στη δυνατότητα πραγματοποίησης ενός τέτοιου ελέγχου εξ αποστάσεως, μέσω τηλεφώνου ή εφαρμογής.

Ένα άτομο θα μπορούσε να δώσει ένα σύντομο δείγμα ομιλίας και, εφόσον το μοντέλο το κατατάξει σε υψηλότερο επίπεδο κινδύνου, να παραπεμφθεί για την απαραίτητη αιματολογική εξέταση. Με αυτόν τον τρόπο, η τεχνολογία δεν θα αντικαθιστούσε την εξέταση αίματος, αλλά θα μπορούσε να λειτουργήσει ως ένα επιπλέον στάδιο πριν από αυτήν.

Το επόμενο βήμα για την ερευνητική ομάδα είναι η δοκιμή του μοντέλου σε πραγματικές κλινικές συνθήκες και η αξιολόγηση της απόδοσής του σε διαφορετικές ομάδες ανθρώπων.

Το ζητούμενο είναι να αποδειχθεί ότι μια τόσο απλή διαδικασία μπορεί πράγματι να συμβάλει στον έγκαιρο εντοπισμό ανθρώπων που χρειάζονται έλεγχο, χωρίς παράλληλα να οδηγεί σε μεγάλο αριθμό περιττών παραπομπών ή να δημιουργεί ψευδή αίσθηση ασφάλειας.