Met de opkomst van artificial intelligence (AI) lijkt het mogelijk mensen te screenen op type 2-diabetes aan de hand van hun stem. In een onderzoek met deze niet-invasieve detectie voorspelde AI bij 71% van de mannen en 66% van de vrouwen dat zij type 2-diabetes hadden.
In dit onderzoek zijn de stemmen van 323 vrouwen (162 met type 2-diabetes en 161 zonder diabetes) en 284 mannen (142 met type 2-diabetes, 142 zonder diabetes) gebruikt. De leeftijd van deelnemers met type 2-diabetes was hoger dan die van gezonde deelnemers: respectievelijk 49,5 versus 40,0 jaar bij de vrouwen en 47,6 versus 41,6 jaar bij de mannen. Ook waren deelnemers met diabetes vaker zwaarlijvig. De body mass index (BMI) van de vrouwen met type 2-diabetes was gemiddeld 35,8 versus 28,0 kg/m² zonder diabetes. De mannen hadden een BMI van 32,8 versus 26,6 kg/m².
Uit het totaal van 607 stemopnames van ongeveer 25 seconden analyseerde het artificial intelligence (AI)-algoritme verschillende vocale kenmerken, zoals veranderingen in toonhoogten, intensiteit en toon om verschillen tussen personen met en zonder diabetes te identificeren. Dit werd gedaan met behulp van 2 geavanceerde technieken: 1 die tot 6.000 gedetailleerde vocale kenmerken vastlegde en een meer geavanceerde deep-learningbenadering die zich richtte op een verfijnde set van 1.024 belangrijke functies.
De prestaties van de beste modellen werden gegroepeerd op basis van verschillende diabetesrisicofactoren, waaronder leeftijd, BMI en hypertensie, en vergeleken met de score op de diabetes risicotest van de American Diabetes Association (ADA).
De op spraak gebaseerde algoritmen vertoonden een goed algemeen voorspellend vermogen, waarbij 71% van de mannelijke en 66% van de vrouwelijke gevallen van type 2-diabetes correct werden geïdentificeerd. Het model presteerde nog beter bij vrouwen van 60 jaar of ouder en bij personen met hypertensie.
Bron:
Fagherazzi G, Despotovic V, Pizzimenti M, et al. Can we screen for type 2 diabetes using voice? Findings from the Colive Voice study. EASD 2024, abstract 365.