Исследователи из Канады опубликовали в ведущем медицинском журнале Mayo Clinic Papers: Digital Health большую модель искусственного интеллекта, которая может диагностировать сахарный диабет 2 типа (СД2), прослушивая 6-10-секундное голосовое сообщение.
В настоящее время основной тест на сахарный диабет опирается на измерение уровня глюкозы в крови, но этот метод требует забора образца крови, который травматичен для пациента и требует специализированного оборудования, что является очень дорогостоящим. Чтобы решить эту проблему, исследователи из Klick, известной канадской компании, занимающейся технологиями в области здравоохранения, предложили метод обнаружения моделей на основе искусственного интеллекта.
Исследователи собрали образцы голоса у 267 добровольцев, которые затем были детально протестированы с помощью модели искусственного интеллекта, и результаты показали, что искусственный интеллект точно определил диабет 2 типа с точностью 89% для женщин и 86% для мужчин. Также было обнаружено, что «высота» и «стандартное отклонение высоты тона» являются одними из основных признаков в диагностике сахарного диабета 2 типа.
Это исследование похоже на процесс визуализации реконструкции человеческого мозга с помощью МЭГ (магнитоэнцефалографии), предложенный Meta некоторое время назад, и все это основано на характеристиках человеческого организма, чтобы наблюдать за изменениями в его данных джиттера для определения результатов.
Адрес:
Создание набора данных
Исследователи набрали в общей сложности 267 добровольцев, из которых 79 женщин и 113 мужчин не страдали диабетом, а у 18 женщин и 57 мужчин был диагностирован диабет 2 типа.
Диагноз диабета участника основывается на диагностических критериях Американской диабетической ассоциации, подтвержденных врачом. В анамнезе нет неврологических или речевых нарушений, а также нет в анамнезе курения.
Участники использовали приложение для смартфона, чтобы записать фиксированную фразу «Привет, как дела?». Какой у меня сейчас уровень сахара в крови», записывалась в течение 2 недель, до 6 раз в день, всего было собрано 18 465 образцов голоса.
Сегментация данных, извлечение признаков
Поскольку такие факторы, как возраст и индекс массы тела, могут влиять на речевые данные, исследователи сегментировали данные на наборы данных, соответствующие возрасту и ИМТ, на основе идентификаторов участников для обучения модели и статистического анализа, что помогло модели искусственного интеллекта узнать реальные изменения в диабетической речи.
В тренировочном наборе участвовало 50% всех мужчин и 61% женщин с сахарным диабетом 2 типа. Остальные данные используются в качестве тестового набора для тестирования обученной модели ИИ.
Затем исследователи извлекли 14 акустических характеристик из каждого образца голоса, включая высоту, интенсивность, отношение гармоник к шуму, звук и звуковую тряску. Извлечение признаков выполняется с помощью Parselmouth, интерфейса Python программного обеспечения для анализа речи Praat.
Числовые признаки, которые могут отражать изменения речи, могут быть извлечены из исходного речевого сигнала для предоставления входных данных для последующего обучения и прогнозирования модели.
Выберите модель
Рассматривая модели, использованные в смежной работе, исследователи выбрали такие модели, как логистическая регрессия, наивный метод Байеса и метод опорных векторов. Производительность этих моделей оценивалась на обучающей выборке с 5-кратной перекрестной проверкой для поиска наилучшей модели.
Для женщин лучше всего сработала модель логистической регрессии с тремя признаками; Для мужчин лучше всего работает наивная байесовская модель с 2 признаками.
Модели логистической регрессии могут оценивать вклад различных признаков в результаты; Наивная байесовская модель лучше работает в сценариях с небольшими выборками. Затем, используя лучшую модель, предварительно обучить построенную обучающую выборку.
Данные тестирования модели
Обученная модель искусственного интеллекта использовалась для прогнозирования данных в тестовом наборе, чтобы получить вероятность того, что каждый образец относился к диабету 2 типа. На основе заранее определенного порога вероятности прогнозируется, что образец будет диабетическим или недиабетическим типом.
При этом данные тестовой выборки используются для расчета точности, чувствительности, специфичности и других оценочных показателей модели, а ROC-кривая может быть построена для комплексной оценки прогностической эффективности модели.
Кроме того, исследователи также объединяют такую информацию, как возраст и индекс массы тела, в результаты прогнозирования, что может повысить точность модели.
Например, распространенность среднего прогнозирования речи и индекса массы тела у женщин, а также распространенность возраста и индекса массы тела у мужчин были связаны со средними голосовыми результатами у мужчин. Объединяя несколько источников информации, этот интегрированный модуль может компенсировать недостатки одной модели и повысить ее предсказательную способность.
Результаты тестирования показали, что для женщин результаты голоса в сочетании с распространенностью сахарного диабета 2 типа в индексе массы тела достигли точности 0,89, специфичности 0,91 и чувствительности 0,71 на тестовом наборе.
Для мужчин вербальные результаты в сочетании с распространенностью сахарного диабета 2 типа по возрасту и индексу массы тела достигли точности 0,86, специфичности 0,89 и чувствительности 0,75 на тестовой выборке.
Джейси Кауфман, руководитель исследования, сказала, что мы выявили изменения в голосе пациентов с диабетом 2 типа во время исследования, что имеет очень высокую прикладную ценность для больших моделей ИИ для выявления и скрининга диабета 2 типа.
Метод голосовой оценки может помочь в раннем вмешательстве и лечении сахарного диабета 2 типа, одновременно снижая бремя заболевания и улучшая медицинские результаты.
О Klick Health
Основанная в 1997 году со штаб-квартирой в Торонто, Канада, Klick является ведущей мировой маркетинговой компанией в области здравоохранения. Klick Health использует подход, основанный на данных, для разработки и реализации различных маркетинговых стратегий, связанных со здоровьем и медициной.
Klick предлагает широкий спектр услуг, включая цифровую стратегию, стратегию бренда, инновации и дизайн, анализ данных, разработку контента и технологические решения.
О диабете 2 типа
Сахарный диабет 2 типа – это хроническое заболевание, характеризующееся инсулинорезистентностью и нарушением секреции инсулина. Организм не может эффективно использовать инсулин, и это состояние известно как инсулинорезистентность. Инсулин — это гормон, который помогает нашему организму преобразовывать сахар в крови в энергию.
Когда возникает резистентность к инсулину, уровень сахара в крови начинает повышаться, что может привести к различным проблемам со здоровьем, включая болезни сердца, почек, потерю зрения и повреждение нервов.
Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
О диабете можно судить, прослушав 10 секунд голоса, эта модель ИИ слишком хардкорная!
Первоисточник: AIGC Open Community
Исследователи из Канады опубликовали в ведущем медицинском журнале Mayo Clinic Papers: Digital Health большую модель искусственного интеллекта, которая может диагностировать сахарный диабет 2 типа (СД2), прослушивая 6-10-секундное голосовое сообщение.
В настоящее время основной тест на сахарный диабет опирается на измерение уровня глюкозы в крови, но этот метод требует забора образца крови, который травматичен для пациента и требует специализированного оборудования, что является очень дорогостоящим. Чтобы решить эту проблему, исследователи из Klick, известной канадской компании, занимающейся технологиями в области здравоохранения, предложили метод обнаружения моделей на основе искусственного интеллекта.
Исследователи собрали образцы голоса у 267 добровольцев, которые затем были детально протестированы с помощью модели искусственного интеллекта, и результаты показали, что искусственный интеллект точно определил диабет 2 типа с точностью 89% для женщин и 86% для мужчин. Также было обнаружено, что «высота» и «стандартное отклонение высоты тона» являются одними из основных признаков в диагностике сахарного диабета 2 типа.
Это исследование похоже на процесс визуализации реконструкции человеческого мозга с помощью МЭГ (магнитоэнцефалографии), предложенный Meta некоторое время назад, и все это основано на характеристиках человеческого организма, чтобы наблюдать за изменениями в его данных джиттера для определения результатов.
Адрес:
Создание набора данных
Исследователи набрали в общей сложности 267 добровольцев, из которых 79 женщин и 113 мужчин не страдали диабетом, а у 18 женщин и 57 мужчин был диагностирован диабет 2 типа.
Диагноз диабета участника основывается на диагностических критериях Американской диабетической ассоциации, подтвержденных врачом. В анамнезе нет неврологических или речевых нарушений, а также нет в анамнезе курения.
Сегментация данных, извлечение признаков
Поскольку такие факторы, как возраст и индекс массы тела, могут влиять на речевые данные, исследователи сегментировали данные на наборы данных, соответствующие возрасту и ИМТ, на основе идентификаторов участников для обучения модели и статистического анализа, что помогло модели искусственного интеллекта узнать реальные изменения в диабетической речи.
В тренировочном наборе участвовало 50% всех мужчин и 61% женщин с сахарным диабетом 2 типа. Остальные данные используются в качестве тестового набора для тестирования обученной модели ИИ.
Затем исследователи извлекли 14 акустических характеристик из каждого образца голоса, включая высоту, интенсивность, отношение гармоник к шуму, звук и звуковую тряску. Извлечение признаков выполняется с помощью Parselmouth, интерфейса Python программного обеспечения для анализа речи Praat.
Числовые признаки, которые могут отражать изменения речи, могут быть извлечены из исходного речевого сигнала для предоставления входных данных для последующего обучения и прогнозирования модели.
Выберите модель
Рассматривая модели, использованные в смежной работе, исследователи выбрали такие модели, как логистическая регрессия, наивный метод Байеса и метод опорных векторов. Производительность этих моделей оценивалась на обучающей выборке с 5-кратной перекрестной проверкой для поиска наилучшей модели.
Модели логистической регрессии могут оценивать вклад различных признаков в результаты; Наивная байесовская модель лучше работает в сценариях с небольшими выборками. Затем, используя лучшую модель, предварительно обучить построенную обучающую выборку.
Данные тестирования модели
Обученная модель искусственного интеллекта использовалась для прогнозирования данных в тестовом наборе, чтобы получить вероятность того, что каждый образец относился к диабету 2 типа. На основе заранее определенного порога вероятности прогнозируется, что образец будет диабетическим или недиабетическим типом.
При этом данные тестовой выборки используются для расчета точности, чувствительности, специфичности и других оценочных показателей модели, а ROC-кривая может быть построена для комплексной оценки прогностической эффективности модели.
Например, распространенность среднего прогнозирования речи и индекса массы тела у женщин, а также распространенность возраста и индекса массы тела у мужчин были связаны со средними голосовыми результатами у мужчин. Объединяя несколько источников информации, этот интегрированный модуль может компенсировать недостатки одной модели и повысить ее предсказательную способность.
Результаты тестирования показали, что для женщин результаты голоса в сочетании с распространенностью сахарного диабета 2 типа в индексе массы тела достигли точности 0,89, специфичности 0,91 и чувствительности 0,71 на тестовом наборе.
Для мужчин вербальные результаты в сочетании с распространенностью сахарного диабета 2 типа по возрасту и индексу массы тела достигли точности 0,86, специфичности 0,89 и чувствительности 0,75 на тестовой выборке.
Джейси Кауфман, руководитель исследования, сказала, что мы выявили изменения в голосе пациентов с диабетом 2 типа во время исследования, что имеет очень высокую прикладную ценность для больших моделей ИИ для выявления и скрининга диабета 2 типа.
Метод голосовой оценки может помочь в раннем вмешательстве и лечении сахарного диабета 2 типа, одновременно снижая бремя заболевания и улучшая медицинские результаты.
О Klick Health
Основанная в 1997 году со штаб-квартирой в Торонто, Канада, Klick является ведущей мировой маркетинговой компанией в области здравоохранения. Klick Health использует подход, основанный на данных, для разработки и реализации различных маркетинговых стратегий, связанных со здоровьем и медициной.
Klick предлагает широкий спектр услуг, включая цифровую стратегию, стратегию бренда, инновации и дизайн, анализ данных, разработку контента и технологические решения.
О диабете 2 типа
Сахарный диабет 2 типа – это хроническое заболевание, характеризующееся инсулинорезистентностью и нарушением секреции инсулина. Организм не может эффективно использовать инсулин, и это состояние известно как инсулинорезистентность. Инсулин — это гормон, который помогает нашему организму преобразовывать сахар в крови в энергию.
Когда возникает резистентность к инсулину, уровень сахара в крови начинает повышаться, что может привести к различным проблемам со здоровьем, включая болезни сердца, почек, потерю зрения и повреждение нервов.