通过手机录音片段分析预测2型糖尿病

挺有意思的一篇论文,启发了我关于中医闻(声音)诊的科研思路,不同状态下声音自然会不同,但用中医理论来解释不太容易听懂,看这篇文章的结果挺好(比我做的模型强多了:joy:),更重要的是一定程度上解释了这种结果出现的机制,未来去解释中医也得结合解剖和生理病理呀

the variation in these features found that women with T2DM reported a slightly lower pitch with less variation, and men with T2DM reported slightly weaker voices with more variation. These differences likely stem from differences in disease symptom manifestations between the sexes. For example, mus-
cle weakness and atrophy, which have been linked to vocal weakness and instability, 7 occur in T2DM and are more common in men with T2DM than in women with T2DM. 37 On contrary, women with T2DM
are more likely to experience high extracellular water content and edema.38 Swelling and edema of the vocal cords reduce the pitch and vibratory characteristics, resulting in a parameter decrease similar to what was seen in our results. 39 Laryngoscopy and visualization of the vocal cords in T2DM should be
performed in future studies to confirm these findings. Furthermore, cognitive functiondecline and major depressive disorder (MDD) occur at a higher prevalence in women with T2DM than in men with T2DM , 9,40 and peripheral neuropathy occurs at a higher prevalence in men with T2DM . 41 Cognitive
impairment has been shown to have a significant effect on the voice with strong predictive capabilities, 10 and MDD has been linked to voice changes such as slower speech and a lower pitch.13 Sex differences in T2DM have become increasingly prominent, as seen in the contrasting predictive features, and future research should carefully account for this for a more comprehensive insight.

这些特征的变化发现,患有T2DM的女性报告的音调略低,变化较少,而患有T2DM的男性报告的声音略弱,变化较多。这些差异可能源于两性之间疾病症状表现的差异。例如,与发声无力和不稳定相关的肌肉无力和萎缩发生在T2DM患者中,并且在T2DM男性患者中比在T2DM女性患者中更常见。相反,患有T2DM的女性更容易经历细胞外水含量高和水肿。声带的肿胀和水肿降低了音调和振动特性,导致与我们的结果相似的参数降低。在未来的研究中,应进行喉镜检查和声带可视化,以证实这些结果。 此外,T2DM女性患者中认知功能下降和重度抑郁障碍(MDD)的发生率高于T2DM男性患者,T2DM男性患者中周围神经病变的发生率更高。认知功能障碍对声音有显著影响,具有很强的预测能力,MDD与声音变化有关,如说话速度较慢和音调较低。T2DM的性别差异越来越突出,如对比预测特征所示,未来的研究应仔细考虑这一点,以获得更全面的见解。

原文链接

https://www.mcpdigitalhealth.org/article/S2949-7612(23)00073-1/fulltext

来自知乎的介绍

近期加拿大医学研究人员训练机器学习人工智能来识别 2 型糖尿病患者与非糖尿病患者声音中的 14 种声音差异用于诊断 2 型糖尿病。

人工智能关注的听觉特征包括音调和强度的细微变化,而人耳无法区分这些变化。 然后将其与研究人员收集的基本健康数据配对,例如年龄、性别、身高和体重。

该论文的第一作者、计划销售该软件的 Klick Labs 的研究科学家 Jaycee Kaufman 解释说:“我们的研究强调了 2 型糖尿病患者和非 2 型糖尿病患者之间显着的声音差异。”

关于该公司的人工智能,考夫曼希望它将 “改变医学界筛查糖尿病的方式”。

目前用于诊断 2 型糖尿病的常见测试包括 糖化血红蛋白 (A1C)测试、 空腹血糖 (FBG)测试和 口服葡萄糖耐量测试 (OGTT),这些测试都是现场测试。

考夫曼补充道:“当前的检测方法可能需要大量的时间、人工、经济成本。 语音技术有可能完全消除这些障碍。”

加拿大 Klick 应用科学公司的科学家与加拿大安大略理工大学的教师合作,使用印度人的 267 段录音来训练人工智能。

大约 72% 的参与者(79 名女性和 113 名男性)已被诊断为非糖尿病患者。 其他参与者(18 名女性和 57 名男性)被诊断患有 2 型糖尿病。

所有参与者在两周内每天录制一个短语六次,总共录制了 18,000 段录音。 然后,科学家们确定了 2 型糖尿病患者和非 2 型糖尿病患者之间的 14 种声音差异。

其中四个差异有助于人工智能更准确地诊断 2 型糖尿病。 本次试验数据:人工智能能够更准确地诊断女性。 89% 的女性和 86% 的男性被诊断出患有 2 型糖尿病。

研究结果发现,“音调”和 “音调标准差” 是诊断所有参与者病情的有用特征,然而,“相对平均扰动抖动”对女性更有用。“强度”和 “11 点振幅扰动商闪光” 对于诊断男性非常有用。

研究指出:“对于女性,预测特征是平均音高、音高 SD 和 RAP 抖动,而对于男性,则使用平均强度和 apq11 闪光。简单来说,这些特征的变化发现,患有 T2DM 的女性报告音调稍低,变化较小,而患有 T2DM 的男性报告声音稍弱,变化较多。这些差异可能源于性别之间疾病症状表现的差异。”

考夫曼评论说,通过人工智能信号处理发现的男性和女性声音之间的这些差异 “令人惊讶”。

研究人员得出结论:“声音分析显示出作为 T2DM 预筛查或监测工具的潜力,特别是与与该疾病相关的其他风险因素相结合时。”

该研究发表在 《梅奥诊所论文集:数字健康》 杂志上。

参考来源:https://www.diabetes.co.uk/news/2023/oct/say-what-ai-can-diagnose-type-2-diabetes-in-10-seconds-from-your-voice.html