Επιστήμονες της ερευνητικής μονάδας Deep Digital Phenotyping του Ινστιτούτου Υγείας του Λουξεμβούργου ανέπτυξαν έναν πρωτοποριακό αλγόριθμο τεχνητής νοημοσύνης (AI) με βάση τη φωνή για την ακριβή ανίχνευση του διαβήτη τύπου 2 (ΣΔ2). Αυτή η καινοτόμος, μη επεμβατική μέθοδος έχει τη δυνατότητα να καταστήσει τον έλεγχο του διαβήτη πιο εύκολο και οικονομικά προσιτό, ιδίως σε κοινότητες με περιορισμένες υπηρεσίες υγειονομικής φροντίδας.
Ο διαβήτης τύπου 2 παραμένει μια σημαντική παγκόσμια πρόκληση για την υγεία, με περίπου 400 εκατομμύρια αδιάγνωστες περιπτώσεις παγκοσμίως. Η νόσος μπορεί να οδηγήσει σε σοβαρές επιπλοκές, συμπεριλαμβανομένων των καρδιαγγειακών παθήσεων και της νευροπάθειας, κλιμακώνοντας τις δαπάνες υγειονομικής περίθαλψης και τα ποσοστά θνησιμότητας. Οι παραδοσιακές μέθοδοι ανίχνευσης βασίζονται σε εξετάσεις αίματος και είναι συχνά δαπανηρές και δύσκολα εφαρμόσιμες σε περιβάλλοντα περιορισμένων πόρων.
Το υπερ-εργαλείο της AI
Οι ερευνητές με επικεφαλής τον Abir Elbeji και τον Δρ. Guy Fagherazzi ανέπτυξαν μια προσέγγιση, βασισμένη στην τεχνητή νοημοσύνη, η οποία εντοπίζει ανεπαίσθητες αλλαγές στη φωνή ενός ατόμου για την ανίχνευση της T2D. Η ομάδα ανακάλυψε φωνητικούς βιοδείκτες που σχετίζονται με τη νόσο χρησιμοποιώντας προηγμένες τεχνικές μηχανικής μάθησης, προετοιμάζοντας το δρόμο για ένα οικονομικά αποδοτικό εργαλείο ανίχνευσης που απαιτεί μόνο μια απλή καταγραφή φωνής.
Η μελέτη, που δημοσιεύθηκε στις 19 Δεκεμβρίου στο περιοδικό PLOS Digital Health και αποτελεί μέρος του ευρύτερου προγράμματος Colive Voice, ανέλυσε δείγματα ομιλίας από περισσότερους από 600 συμμετέχοντες στις Ηνωμένες Πολιτείες. Ο αλγόριθμος τεχνητής νοημοσύνης επέδειξε με ακρίβεια πρόβλεψης, συγκρίσιμη με τα εργαλεία εκτίμησης κινδύνου που συνιστώνται από την Αμερικανική Ένωση Διαβήτη (ADA). Είναι αξιοσημείωτο ότι τα ποσοστά ανίχνευσης ήταν ακόμη υψηλότερα σε συγκεκριμένες ομάδες, συμπεριλαμβανομένων των γυναικών άνω των 60 ετών και των ατόμων με υπέρταση.
Όπως δήλωσαν οι ειδικοί «η έρευνα αυτή αποτελεί ένα σημαντικό βήμα στη φροντίδα του διαβήτη. Συνδυάζοντας την τεχνητή νοημοσύνη με την ψηφιακή φαινοτυπία, εγκαινιάζουμε μια πιο περιεκτική και οικονομικά αποδοτική προσέγγιση για την έγκαιρη διάγνωση και πρόληψη. Η δυνατότητα ελέγχου για διαβήτη με τη χρήση μιας απλής φωνητικής καταγραφής θα μπορούσε να βελτιώσει δραματικά την προσβασιμότητα στην υγειονομική περίθαλψη για εκατομμύρια ανθρώπους σε όλο τον κόσμο».
Η ερευνητική ομάδα στοχεύει στην τελειοποίηση του αλγορίθμου για τον εντοπισμό του προδιαβήτη και των αδιάγνωστων περιπτώσεων T2D σε ακόμη πιο πρώιμα στάδια. Η μελέτη Colive Voice θεωρείται ήδη ηγέτιδα στη διερεύνηση φωνητικών βιοδεικτών για τη διάγνωση διαφόρων χρόνιων παθήσεων, υπογραμμίζοντας τις δυνατότητες της τεχνητής νοημοσύνης στον μετασχηματισμό της διάγνωσης της υγειονομικής περίθαλψης.
Το αγαπημένο γλυκό που μπορεί να μειώσει κατά 21% τον κίνδυνο διαβήτη
