Görüntü kaynağı: Sınırsız AI tarafından oluşturuldu
Kanada'daki Klick araştırmacıları, en iyi sağlık dergisi Mayo Clinic Papers: Digital Health'de, 6-10 saniyelik bir sesli mesajı dinleyerek tip 2 diabetes mellitus'u (T2DM) teşhis edebilen büyük bir AI modeli yayınladılar.
Şu anda, diyabet için ana test kan şekeri ölçümüne dayanmaktadır, ancak bu yöntem, hasta için travmatik olan ve çok maliyetli olan özel ekipman gerektiren bir kan örneği gerektirmektedir. Bu tespit sorununu çözmek için, tanınmış bir Kanadalı sağlık teknolojisi şirketi olan Klick'ten araştırmacılar, bir AI modeli tespit yöntemi önerdiler.
Araştırmacılar 267 gönüllüden ses örnekleri topladı ve bunlar daha sonra bir yapay zeka modeli kullanılarak ayrıntılı olarak test edildi ve sonuçlar, yapay zekanın tip 2 diyabeti kadınlar için %89 ve erkekler için %86 doğrulukla doğru bir şekilde tanımladığını gösterdi**. Ayrıca tip 2 diyabet tanısında "pitch" ve "pitch standart sapması"nın ana özellikler arasında olduğu bulunmuştur.
Bu çalışma, bir süre önce Meta tarafından önerilen MEG (manyetoensefalografi) kullanılarak insan beyninin yeniden yapılandırılmasına yönelik görüntüleme sürecine benzer ve sonuçları belirlemek için titreşim verilerindeki değişiklikleri gözlemlemek için insan organizmalarının özelliklerine dayanmaktadır.
Adres:
Veri Kümesi Oluşturma
Araştırmacılar, 79 kadın ve 113 erkek diyabetik olmayan toplam 267 gönüllüyü işe aldı ve 18 kadın ve 57 erkeğe tip 2 diyabet teşhisi kondu.
Katılımcının diyabet teşhisi, doktor tarafından onaylanan Amerikan Diyabet Derneği'nin tanı kriterlerine dayanmaktadır. Aynı zamanda nörolojik veya dil bozukluğu öyküsü yoktur ve sigara içme öyküsü yoktur.
Katılımcılar, sabit bir "Merhaba, nasılsın?" ifadesini kaydetmek için bir akıllı telefon uygulaması kullandılar. Şu anda kan şekeri seviyem nedir", 2 hafta boyunca, günde 6 defaya kadar kaydedildi ve toplam 18.465 ses örneği toplandı.
Veri Segmentasyonu, Özellik Çıkarma
Yaş ve vücut kitle indeksi gibi faktörlerin konuşma verileri üzerinde etkisi olabileceğinden, araştırmacılar verileri, model eğitimi ve istatistiksel analiz için katılımcı kimliklerine dayalı olarak yaş ve BMI uyumlu veri kümelerine ayırdılar ve bu da AI modelinin diyabetik konuşmadaki gerçek değişiklikleri öğrenmesine yardımcı oldu.
Eğitim seti, tip 2 diyabetli tüm erkeklerin %50'sini ve kadınların %61'ini oluşturuyordu. Kalan veriler, eğitilen yapay zeka modelini test etmek için bir test kümesi olarak kullanılır.
Araştırmacılar daha sonra her bir ses örneğinden perde, yoğunluk, harmonik-gürültü oranı, ses ve ses sarsıntısı dahil olmak üzere 14 akustik özellik çıkardılar. Özellik çıkarma, Praat konuşma analiz yazılımının Python arayüzü olan Parselmouth kullanılarak gerçekleştirilir.
Konuşma değişikliklerini yansıtabilen sayısal özellikler, sonraki model eğitimi ve tahmini için girdi sağlamak üzere orijinal konuşma sinyalinden çıkarılabilir.
Model Seçiniz
Araştırmacılar, ilgili çalışmalarda kullanılan modelleri göz önünde bulundurarak lojistik regresyon, naif Bayes ve destek vektör makineleri gibi modelleri seçmişlerdir. Bu modellerin performansı, en iyi modeli bulmak için 5 kat çapraz doğrulama ile eğitim setinde değerlendirildi.
Kadınlar için üç özellikli lojistik regresyon modeli en iyi sonucu verdi; Erkekler için 2 özellikli naif Bayes modeli en iyi sonucu verir.
Lojistik regresyon modelleri, farklı özelliklerin sonuçlara katkısını tahmin edebilir; Saf Bayes modeli, küçük örnek senaryolarda daha iyi çalışır. Ardından, en iyi modeli kullanarak, oluşturulan eğitim setinde ön eğitim verin.
Model Test Verileri
Her bir numunenin tip 2 diyabete ait olma olasılığını elde etmek için test setindeki verileri tahmin etmek için eğitilmiş AI modeli kullanıldı. Önceden belirlenmiş bir olasılık eşiğine dayanarak, numunenin tip 2 diyabetik veya diyabetik olmayan olduğu tahmin edilmektedir.
Aynı zamanda, test setinin verileri, modelin doğruluğunu, duyarlılığını, özgüllüğünü ve diğer değerlendirme göstergelerini hesaplamak için kullanılır ve modelin tahmin performansını kapsamlı bir şekilde değerlendirmek için ROC eğrisi çizilebilir.
Ek olarak, araştırmacılar yaş ve vücut kitle indeksi gibi bilgileri tahmin sonuçlarına dahil ederek modelin doğruluğunu artırabilir.
Örneğin, kadınlarda ortalama konuşma tahmini ve vücut kitle indeksi prevalansı ve erkeklerde yaş ve vücut kitle indeksi prevalansı, erkeklerde ortalama ses sonuçları ile ilişkilendirildi. Bu entegre modül, birden fazla bilgi kaynağını birleştirerek, tek bir modelin eksikliklerini giderebilir ve modelin tahmin yeteneğini artırabilir.
Test sonuçları, kadınlar için, vücut kitle indeksinde tip 2 diyabet prevalansı ile birleştirilen ses sonuçlarının test setinde 0.89 doğruluk, 0.91 özgüllük ve 0.71 duyarlılık elde ettiğini göstermiştir.
Erkekler için, sözel sonuçlar, yaş ve vücut kitle indeksine göre tip 2 diyabet prevalansı ile birleştiğinde, test setinde 0.86 doğruluk, 0.89 özgüllük ve 0.75 duyarlılık elde etti.
Çalışmanın başkanı Jaycee Kaufman, çalışma sırasında tip 2 diyabetli hastaların sesindeki değişiklikleri tespit ettiğimizi, bunun da tip 2 diyabeti tespit etmek ve taramak için AI büyük modelleri için çok yüksek uygulama değerine sahip olduğunu söyledi.
Ses değerlendirme yöntemi, tip 2 diabetes mellitusun erken müdahalesine ve yönetimine yardımcı olurken, hastalığın yükünü azaltır ve tıbbi sonuçları iyileştirir.
Klick Health Hakkında
1997 yılında kurulan ve merkezi Toronto, Kanada'da bulunan Klick, önde gelen bir küresel sağlık pazarlama şirketidir. Klick Health, sağlık ve tıpla ilgili çeşitli pazarlama stratejileri geliştirmek ve uygulamak için veriye dayalı bir yaklaşım kullanır.
Klick, dijital strateji, marka stratejisi, inovasyon ve tasarım, veri içgörüleri, içerik geliştirme ve teknoloji çözümleri dahil olmak üzere bir dizi hizmet sunmaktadır.
Tip 2 Diyabet Hakkında
Tip 2 diyabet, insülin direnci ve insülin sekresyonunun disfonksiyonu ile karakterize kronik bir hastalıktır. Vücut insülini etkili bir şekilde kullanamaz ve bu durum insülin direnci olarak bilinir. İnsülin, vücudumuzun kan şekerini enerjiye dönüştürmesine yardımcı olan bir hormondur.
İnsülin direnci oluştuğunda, kan şekeri seviyeleri yükselmeye başlar ve bu da kalp hastalığı, böbrek hastalığı, görme kaybı ve sinir hasarı gibi çeşitli sağlık sorunlarına yol açabilir.
View Original
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Diyabet 10 saniyelik sesi dinleyerek değerlendirilebilir, bu yapay zeka modeli çok sert!
Orijinal kaynak: AIGC Açık Topluluğu
Kanada'daki Klick araştırmacıları, en iyi sağlık dergisi Mayo Clinic Papers: Digital Health'de, 6-10 saniyelik bir sesli mesajı dinleyerek tip 2 diabetes mellitus'u (T2DM) teşhis edebilen büyük bir AI modeli yayınladılar.
Şu anda, diyabet için ana test kan şekeri ölçümüne dayanmaktadır, ancak bu yöntem, hasta için travmatik olan ve çok maliyetli olan özel ekipman gerektiren bir kan örneği gerektirmektedir. Bu tespit sorununu çözmek için, tanınmış bir Kanadalı sağlık teknolojisi şirketi olan Klick'ten araştırmacılar, bir AI modeli tespit yöntemi önerdiler.
Araştırmacılar 267 gönüllüden ses örnekleri topladı ve bunlar daha sonra bir yapay zeka modeli kullanılarak ayrıntılı olarak test edildi ve sonuçlar, yapay zekanın tip 2 diyabeti kadınlar için %89 ve erkekler için %86 doğrulukla doğru bir şekilde tanımladığını gösterdi**. Ayrıca tip 2 diyabet tanısında "pitch" ve "pitch standart sapması"nın ana özellikler arasında olduğu bulunmuştur.
Bu çalışma, bir süre önce Meta tarafından önerilen MEG (manyetoensefalografi) kullanılarak insan beyninin yeniden yapılandırılmasına yönelik görüntüleme sürecine benzer ve sonuçları belirlemek için titreşim verilerindeki değişiklikleri gözlemlemek için insan organizmalarının özelliklerine dayanmaktadır.
Adres:
Veri Kümesi Oluşturma
Araştırmacılar, 79 kadın ve 113 erkek diyabetik olmayan toplam 267 gönüllüyü işe aldı ve 18 kadın ve 57 erkeğe tip 2 diyabet teşhisi kondu.
Katılımcının diyabet teşhisi, doktor tarafından onaylanan Amerikan Diyabet Derneği'nin tanı kriterlerine dayanmaktadır. Aynı zamanda nörolojik veya dil bozukluğu öyküsü yoktur ve sigara içme öyküsü yoktur.
Veri Segmentasyonu, Özellik Çıkarma
Yaş ve vücut kitle indeksi gibi faktörlerin konuşma verileri üzerinde etkisi olabileceğinden, araştırmacılar verileri, model eğitimi ve istatistiksel analiz için katılımcı kimliklerine dayalı olarak yaş ve BMI uyumlu veri kümelerine ayırdılar ve bu da AI modelinin diyabetik konuşmadaki gerçek değişiklikleri öğrenmesine yardımcı oldu.
Eğitim seti, tip 2 diyabetli tüm erkeklerin %50'sini ve kadınların %61'ini oluşturuyordu. Kalan veriler, eğitilen yapay zeka modelini test etmek için bir test kümesi olarak kullanılır.
Araştırmacılar daha sonra her bir ses örneğinden perde, yoğunluk, harmonik-gürültü oranı, ses ve ses sarsıntısı dahil olmak üzere 14 akustik özellik çıkardılar. Özellik çıkarma, Praat konuşma analiz yazılımının Python arayüzü olan Parselmouth kullanılarak gerçekleştirilir.
Konuşma değişikliklerini yansıtabilen sayısal özellikler, sonraki model eğitimi ve tahmini için girdi sağlamak üzere orijinal konuşma sinyalinden çıkarılabilir.
Model Seçiniz
Araştırmacılar, ilgili çalışmalarda kullanılan modelleri göz önünde bulundurarak lojistik regresyon, naif Bayes ve destek vektör makineleri gibi modelleri seçmişlerdir. Bu modellerin performansı, en iyi modeli bulmak için 5 kat çapraz doğrulama ile eğitim setinde değerlendirildi.
Lojistik regresyon modelleri, farklı özelliklerin sonuçlara katkısını tahmin edebilir; Saf Bayes modeli, küçük örnek senaryolarda daha iyi çalışır. Ardından, en iyi modeli kullanarak, oluşturulan eğitim setinde ön eğitim verin.
Model Test Verileri
Her bir numunenin tip 2 diyabete ait olma olasılığını elde etmek için test setindeki verileri tahmin etmek için eğitilmiş AI modeli kullanıldı. Önceden belirlenmiş bir olasılık eşiğine dayanarak, numunenin tip 2 diyabetik veya diyabetik olmayan olduğu tahmin edilmektedir.
Aynı zamanda, test setinin verileri, modelin doğruluğunu, duyarlılığını, özgüllüğünü ve diğer değerlendirme göstergelerini hesaplamak için kullanılır ve modelin tahmin performansını kapsamlı bir şekilde değerlendirmek için ROC eğrisi çizilebilir.
Örneğin, kadınlarda ortalama konuşma tahmini ve vücut kitle indeksi prevalansı ve erkeklerde yaş ve vücut kitle indeksi prevalansı, erkeklerde ortalama ses sonuçları ile ilişkilendirildi. Bu entegre modül, birden fazla bilgi kaynağını birleştirerek, tek bir modelin eksikliklerini giderebilir ve modelin tahmin yeteneğini artırabilir.
Test sonuçları, kadınlar için, vücut kitle indeksinde tip 2 diyabet prevalansı ile birleştirilen ses sonuçlarının test setinde 0.89 doğruluk, 0.91 özgüllük ve 0.71 duyarlılık elde ettiğini göstermiştir.
Erkekler için, sözel sonuçlar, yaş ve vücut kitle indeksine göre tip 2 diyabet prevalansı ile birleştiğinde, test setinde 0.86 doğruluk, 0.89 özgüllük ve 0.75 duyarlılık elde etti.
Çalışmanın başkanı Jaycee Kaufman, çalışma sırasında tip 2 diyabetli hastaların sesindeki değişiklikleri tespit ettiğimizi, bunun da tip 2 diyabeti tespit etmek ve taramak için AI büyük modelleri için çok yüksek uygulama değerine sahip olduğunu söyledi.
Ses değerlendirme yöntemi, tip 2 diabetes mellitusun erken müdahalesine ve yönetimine yardımcı olurken, hastalığın yükünü azaltır ve tıbbi sonuçları iyileştirir.
Klick Health Hakkında
1997 yılında kurulan ve merkezi Toronto, Kanada'da bulunan Klick, önde gelen bir küresel sağlık pazarlama şirketidir. Klick Health, sağlık ve tıpla ilgili çeşitli pazarlama stratejileri geliştirmek ve uygulamak için veriye dayalı bir yaklaşım kullanır.
Klick, dijital strateji, marka stratejisi, inovasyon ve tasarım, veri içgörüleri, içerik geliştirme ve teknoloji çözümleri dahil olmak üzere bir dizi hizmet sunmaktadır.
Tip 2 Diyabet Hakkında
Tip 2 diyabet, insülin direnci ve insülin sekresyonunun disfonksiyonu ile karakterize kronik bir hastalıktır. Vücut insülini etkili bir şekilde kullanamaz ve bu durum insülin direnci olarak bilinir. İnsülin, vücudumuzun kan şekerini enerjiye dönüştürmesine yardımcı olan bir hormondur.
İnsülin direnci oluştuğunda, kan şekeri seviyeleri yükselmeye başlar ve bu da kalp hastalığı, böbrek hastalığı, görme kaybı ve sinir hasarı gibi çeşitli sağlık sorunlarına yol açabilir.