هوش مصنوعی با ۲۰ ثانیه صدای شما، خطر دیابت نوع ۲ را بررسی می‌کند
پژوهشگران با استفاده از یک مدل هوش مصنوعی توانسته‌اند تنها با تحلیل حدود ۲۰ ثانیه از صدای افراد، نشانه‌هایی مرتبط با دیابت نوع ۲ را شناسایی کنند؛ روشی که می‌تواند در آینده به‌عنوان ابزاری سریع و غیرتهاجمی برای غربالگری دیابت مورد استفاده قرار گیرد، هرچند هنوز جایگزین آزمایش خون و تشخیص پزشکی نیست.
به گزارش کیاپرس، نتایج یک پژوهش جدید که در نشست سالانه انجمن اروپایی مطالعه دیابت (EASD) در میلان ایتالیا ارائه می‌شود، نشان می‌دهد که تحلیل ویژگی‌های صوتی با کمک هوش مصنوعی ممکن است بتواند افراد در معرض خطر دیابت نوع ۲ را تنها از روی یک نمونه کوتاه صدا شناسایی کند.
در این مطالعه، پژوهشگران شرکت فناوری پزشکی thymia با همکاری محققانی از دانشگاه RMIT استرالیا، مدلی مبتنی بر هوش مصنوعی طراحی کردند که تغییرات ظریف در نحوه صحبت کردن افراد را بررسی می‌کند؛ تغییراتی که در پژوهش‌های قبلی با دیابت نوع ۲ ارتباط داشته‌اند.
هوش مصنوعی چگونه از روی صدا به دیابت مشکوک می‌شود؟
بر اساس گزارش پژوهشگران، دیابت نوع ۲ ممکن است با تغییراتی در ویژگی‌های صوتی افراد همراه باشد؛ از جمله افزایش خشونت یا گرفتگی صدا و تغییر در کنترل تنفس و تولید صدا هنگام صحبت کردن.
مدل هوش مصنوعی با استفاده از این ویژگی‌ها آموزش داده شد تا بتواند الگوهای صوتی مرتبط با خطر دیابت نوع ۲ را شناسایی کند.
برای آموزش مدل، ۶۳ هزار و ۲۸۳ نمونه صوتی از ۲۱ هزار و ۱۲۹ نفر در آمریکا و بریتانیا مورد استفاده قرار گرفت.
پس از آموزش، عملکرد مدل در نمونه‌های جدید بررسی شد. در یکی از ارزیابی‌ها، صدای ۷۳۱۹ بزرگسال در بریتانیا بررسی شد که ۲۱۷ نفر از آنان ابتلا به دیابت نوع ۲ را گزارش کرده بودند.
افراد شرکت‌کننده، متنی کوتاه از داستان‌های ازوپ را در یک فایل صوتی حدود ۲۰ ثانیه‌ای می‌خواندند.
مدل هوش مصنوعی چه نتیجه‌ای به دست آورد؟
در این بخش از مطالعه، مدل در افرادی که دیابت نوع ۲ داشتند، در مقایسه با افراد بدون این بیماری، در حدود ۸۰ درصد موارد امتیاز خطر بالاتری ایجاد کرد.
پژوهشگران گزارش کرده‌اند که عملکرد مدل در گروه‌های مختلف سنی و جنسی نسبتاً پایدار بود؛ با این حال، عملکرد آن در میان شرکت‌کنندگان سیاه‌پوست پایین‌تر بود که محققان یکی از دلایل احتمالی آن را تعداد کم افراد مبتلا به دیابت در این گروه در داده‌های مطالعه عنوان کرده‌اند.
همچنین عملکرد مدل در افرادی که بیماری قلبی، فشار خون بالا یا چاقی داشتند کاهش یافت؛ موضوعی که پژوهشگران احتمال می‌دهند به دلیل آن باشد که این بیماری‌ها نیز می‌توانند بر ویژگی‌های صوتی اثر بگذارند.
آزمایش خون چه نقشی در این مطالعه داشت؟
پژوهشگران برای بررسی دقیق‌تر عملکرد مدل، گروه دیگری شامل ۸۰۱ نفر را بررسی کردند که حداکثر سه ماه پس از ضبط صدا، آزمایش HbA1c انجام داده بودند.
HbA1c یا هموگلوبین گلیکوزیله یکی از آزمایش‌های مهم برای ارزیابی میانگین قند خون در حدود دو تا سه ماه گذشته است و در تشخیص دیابت و پیش‌دیابت کاربرد دارد.
در این گروه، مدل صوتی در ۷۵ درصد موارد به افراد مبتلا به دیابت نوع ۲، بر اساس نتایج HbA1c، امتیاز خطر بالاتری نسبت به افراد بدون دیابت داد.
حساسیت مدل در این ارزیابی ۸۲ درصد گزارش شد؛ یعنی توانست ۸۲ درصد از افراد مبتلا به دیابت را در گروه پرخطر شناسایی کند.
اما یک نکته مهم نیز وجود داشت: نرخ مثبت کاذب ۴۷ درصد بود.
به عبارت دیگر، بخشی قابل توجه از افرادی که مدل آنها را در معرض خطر تشخیص می‌داد، بر اساس آزمایش خون دیابت نداشتند.
این فناوری هنوز جایگزین آزمایش خون نیست
پژوهشگران تأکید کرده‌اند که هدف این فناوری در شرایط فعلی، جایگزین کردن آزمایش خون نیست.
بر اساس نتایج مطالعه، یکی از کاربردهای احتمالی این فناوری می‌تواند استفاده از یک نمونه صوتی کوتاه برای غربالگری اولیه و شناسایی افراد پرخطر باشد؛ سپس افرادی که در گروه پرخطر قرار می‌گیرند برای انجام آزمایش خون و بررسی پزشکی دقیق‌تر ارجاع داده شوند.
به این ترتیب، تلفن همراه یا حتی یک تماس تلفنی در آینده می‌تواند به‌عنوان نقطه شروع غربالگری مورد استفاده قرار گیرد.
پژوهشگران معتقدند چنین روشی در صورت تأیید در مطالعات بالینی بیشتر، می‌تواند دسترسی به غربالگری را برای افرادی که کمتر به مراکز درمانی مراجعه می‌کنند افزایش دهد.
چرا تشخیص زودهنگام دیابت اهمیت دارد؟
دیابت نوع ۲ ممکن است برای مدت طولانی بدون علائم واضح باقی بماند و فرد از ابتلای خود اطلاع نداشته باشد.
تشخیص زودهنگام می‌تواند امکان شروع اقدامات درمانی و اصلاح سبک زندگی را فراهم کند و به کاهش خطر عوارض مرتبط با بیماری کمک کند.
از همین رو، روش‌هایی که بتوانند افراد در معرض خطر را پیش از بروز عوارض جدی شناسایی کنند، در سال‌های اخیر مورد توجه پژوهشگران قرار گرفته‌اند.
یک گام تازه در استفاده از هوش مصنوعی برای غربالگری بیماری‌ها
مطالعه جدید نشان می‌دهد که کاربرد هوش مصنوعی در پزشکی تنها به بررسی تصاویر پزشکی یا تحلیل نتایج آزمایشگاهی محدود نمی‌شود و صدا نیز می‌تواند به‌عنوان یک منبع بالقوه از اطلاعات زیستی مورد بررسی قرار گیرد.
با این حال، پیش از استفاده گسترده از چنین فناوری‌هایی در نظام سلامت، باید عملکرد آنها در جمعیت‌های متنوع، شرایط واقعی بالینی و گروه‌های مختلف بیماران به‌طور مستقل ارزیابی شود.
پژوهشگران نیز اعلام کرده‌اند که مرحله بعدی کار، آزمایش این فناوری در محیط‌های بالینی و بررسی عملکرد آن در گروه‌های مختلف جمعیتی است.
یک نکته مهم برای کاربران
اگرچه عنوان «تشخیص دیابت از روی صدا» جذاب است، نتایج این مطالعه چنین مفهومی را به معنای تشخیص قطعی بیماری تأیید نمی‌کند.
این فناوری در وضعیت فعلی بیشتر به‌عنوان ابزار احتمالی غربالگری و تعیین سطح خطر مطرح است و تشخیص دیابت همچنان باید بر اساس ارزیابی پزشکی و آزمایش‌های استاندارد، از جمله آزمایش‌های قند خون و HbA1c، انجام شود.
کیاپرس توصیه می‌کند افراد در صورت داشتن علائم، عوامل خطر یا نگرانی درباره ابتلا به دیابت، به جای تکیه بر ابزارهای هوش مصنوعی یا آزمون‌های اینترنتی، برای ارزیابی پزشکی و انجام آزمایش‌های معتبر اقدام کنند.
اختصاصی کیاپرس