Дослідники Klick з Канади опублікували велику модель штучного інтелекту в провідному журналі про здоров'я Mayo Clinic Papers: Digital Health, яка може діагностувати цукровий діабет 2 типу (ЦД2), прослуховуючи голосове повідомлення тривалістю 6-10 секунд.
В даний час основний тест на цукровий діабет спирається на вимірювання рівня глюкози в крові, але для цього методу потрібен зразок крові, який є травматичним для пацієнта і вимагає спеціалізованого обладнання, що дуже дорого. Щоб вирішити цю больову точку виявлення, дослідники з Klick, відомої канадської компанії з технологій охорони здоров'я, запропонували метод виявлення моделі штучного інтелекту.
Дослідники зібрали зразки голосу 267 добровольців, які потім були детально протестовані за допомогою моделі штучного інтелекту, і результати показали, що штучний інтелект точно визначив діабет 2 типу з точністю 89% для жінок і 86% для чоловіків**. Також було встановлено, що «висота» і «стандартне відхилення висоти тону» були одними з основних ознак в діагностиці цукрового діабету 2 типу.
Це дослідження схоже на процес візуалізації реконструкції людського мозку за допомогою МЕГ (магнітоенцефалографії), запропонований Meta деякий час тому, і все воно засноване на особливостях людських організмів, щоб спостерігати за змінами в його даних тремтіння для визначення результатів.
Адреса:
Створення набору даних
Дослідники набрали загалом 267 добровольців, з яких 79 жінок і 113 чоловіків не страждали на діабет, а у 18 жінок і 57 чоловіків діагностували діабет 2 типу.
Діагноз цукрового діабету учасника ґрунтується на діагностичних критеріях Американської діабетичної асоціації, підтверджених лікарем. В анамнезі немає неврологічних або мовних порушень одночасно, а також немає куріння в анамнезі.
Учасники за допомогою програми для смартфона записували фіксовану фразу «Привіт, як справи?». Який у мене зараз рівень цукру в крові», записаний протягом 2 тижнів, до 6 разів на день, загалом було зібрано 18 465 зразків голосу.
Сегментація даних, вилучення ознак
Оскільки такі фактори, як вік та індекс маси тіла, можуть впливати на мовленнєві дані, дослідники сегментували дані на набори даних, що відповідають віку та ІМТ, на основі ідентифікаторів учасників для навчання моделі та статистичного аналізу, що допомогло моделі штучного інтелекту вивчити реальні зміни в мові діабетиків.
У тренувальному наборі взяли участь 50% всіх чоловіків і 61% жінок з цукровим діабетом 2 типу. Дані, що залишилися, використовуються як тестовий набір для тестування навченої моделі ШІ.
Потім дослідники витягли 14 акустичних особливостей з кожного зразка голосу, включаючи висоту, інтенсивність, співвідношення гармонік до шуму, звук і тремтіння звуку. Вилучення ознак виконується за допомогою Parselmouth, інтерфейсу Python програмного забезпечення для аналізу мовлення Praat.
Числові характеристики, які можуть відображати мовленнєві зміни, можуть бути вилучені з вихідного мовного сигналу, щоб забезпечити вхідні дані для подальшого навчання моделі та прогнозування.
Виберіть модель
Розглядаючи моделі, що використовуються в суміжних роботах, дослідники вибрали такі моделі, як логістична регресія, наївний Байєса та опорні векторні машини. Продуктивність цих моделей оцінювалася на навчальному наборі з 5-кратною перехресною перевіркою для пошуку найкращої моделі.
Для жінок найкраще спрацювала логістична регресійна модель з трьома ознаками; Для чоловіків найкраще підходить наївна байєсівська модель з 2 особливостями.
Логістичні регресійні моделі можуть оцінювати внесок різних ознак у результати; Наївна баєсова модель краще працює в сценаріях малої вибірки. Потім, використовуючи найкращу модель, попередньо потренуйтеся на побудованому тренувальному наборі.
Тестові дані моделі
Навчена модель штучного інтелекту використовувалася для прогнозування даних у тестовому наборі, щоб отримати ймовірність того, що кожен зразок належав до діабету 2 типу. На основі заздалегідь визначеного порогу ймовірності передбачається, що вибірка буде діабетичною або недіабетичною 2 типу.
У той же час дані тестової вибірки використовуються для розрахунку точності, чутливості, специфічності та інших оціночних показників моделі, а крива ROC може бути побудована для всебічної оцінки прогнозної ефективності моделі.
Крім того, дослідники також об'єднують таку інформацію, як вік та індекс маси тіла, у результати прогнозування, що може підвищити точність моделі.
Наприклад, поширеність середнього прогнозування мовлення та індексу маси тіла у жінок, а також переважання віку та індексу маси тіла у чоловіків були пов'язані із середніми результатами голосу у чоловіків. Об'єднуючи кілька джерел інформації, цей інтегрований модуль може компенсувати недоліки однієї моделі та підвищити прогнозну здатність моделі.
Результати тестів показали, що для жінок результати голосу в поєднанні з поширеністю цукрового діабету 2 типу в індексі маси тіла досягли точності 0,89, специфічності 0,91 і чутливості 0,71 на тестовому наборі.
Для чоловіків вербальні результати в поєднанні з поширеністю цукрового діабету 2 типу за віком та індексом маси тіла досягли точності 0,86, специфічності 0,89 та чутливості 0,75 на тестовій вибірці.
Джейсі Кауфман, керівник дослідження, розповів, що під час дослідження ми виявили зміни в голосі пацієнтів з діабетом 2 типу, що має дуже високу цінність застосування великих моделей штучного інтелекту для виявлення та скринінгу діабету 2 типу.
Метод голосової оцінки може допомогти в ранньому втручанні та лікуванні цукрового діабету 2 типу, одночасно зменшуючи тягар захворювання та покращуючи медичні результати.
Про Klick Health
Заснована в 1997 році зі штаб-квартирою в Торонто, Канада, Klick є провідною світовою маркетинговою компанією в галузі охорони здоров'я. Klick Health використовує підхід, заснований на даних, для розробки та впровадження різноманітних маркетингових стратегій, пов'язаних зі здоров'ям та медициною.
Klick пропонує широкий спектр послуг, включаючи цифрову стратегію, стратегію бренду, інновації та дизайн, аналіз даних, розробку контенту та технологічні рішення.
Про цукровий діабет 2 типу
Цукровий діабет 2 типу – хронічне захворювання, що характеризується інсулінорезистентністю та порушенням секреції інсуліну. Організм не може ефективно використовувати інсулін, і цей стан відомий як інсулінорезистентність. Інсулін - це гормон, який допомагає нашому організму перетворювати цукор крові в енергію.
Коли виникає резистентність до інсуліну, рівень цукру в крові починає підвищуватися, що може призвести до різноманітних проблем зі здоров'ям, включаючи хвороби серця, нирок, втрату зору та пошкодження нервів.
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
Про діабет можна судити, прослухавши 10 секунд голосу, ця модель ШІ занадто хардкорна!
Першоджерело: AIGC Open Community
Дослідники Klick з Канади опублікували велику модель штучного інтелекту в провідному журналі про здоров'я Mayo Clinic Papers: Digital Health, яка може діагностувати цукровий діабет 2 типу (ЦД2), прослуховуючи голосове повідомлення тривалістю 6-10 секунд.
В даний час основний тест на цукровий діабет спирається на вимірювання рівня глюкози в крові, але для цього методу потрібен зразок крові, який є травматичним для пацієнта і вимагає спеціалізованого обладнання, що дуже дорого. Щоб вирішити цю больову точку виявлення, дослідники з Klick, відомої канадської компанії з технологій охорони здоров'я, запропонували метод виявлення моделі штучного інтелекту.
Дослідники зібрали зразки голосу 267 добровольців, які потім були детально протестовані за допомогою моделі штучного інтелекту, і результати показали, що штучний інтелект точно визначив діабет 2 типу з точністю 89% для жінок і 86% для чоловіків**. Також було встановлено, що «висота» і «стандартне відхилення висоти тону» були одними з основних ознак в діагностиці цукрового діабету 2 типу.
Це дослідження схоже на процес візуалізації реконструкції людського мозку за допомогою МЕГ (магнітоенцефалографії), запропонований Meta деякий час тому, і все воно засноване на особливостях людських організмів, щоб спостерігати за змінами в його даних тремтіння для визначення результатів.
Адреса:
Створення набору даних
Дослідники набрали загалом 267 добровольців, з яких 79 жінок і 113 чоловіків не страждали на діабет, а у 18 жінок і 57 чоловіків діагностували діабет 2 типу.
Діагноз цукрового діабету учасника ґрунтується на діагностичних критеріях Американської діабетичної асоціації, підтверджених лікарем. В анамнезі немає неврологічних або мовних порушень одночасно, а також немає куріння в анамнезі.
Сегментація даних, вилучення ознак
Оскільки такі фактори, як вік та індекс маси тіла, можуть впливати на мовленнєві дані, дослідники сегментували дані на набори даних, що відповідають віку та ІМТ, на основі ідентифікаторів учасників для навчання моделі та статистичного аналізу, що допомогло моделі штучного інтелекту вивчити реальні зміни в мові діабетиків.
У тренувальному наборі взяли участь 50% всіх чоловіків і 61% жінок з цукровим діабетом 2 типу. Дані, що залишилися, використовуються як тестовий набір для тестування навченої моделі ШІ.
Потім дослідники витягли 14 акустичних особливостей з кожного зразка голосу, включаючи висоту, інтенсивність, співвідношення гармонік до шуму, звук і тремтіння звуку. Вилучення ознак виконується за допомогою Parselmouth, інтерфейсу Python програмного забезпечення для аналізу мовлення Praat.
Числові характеристики, які можуть відображати мовленнєві зміни, можуть бути вилучені з вихідного мовного сигналу, щоб забезпечити вхідні дані для подальшого навчання моделі та прогнозування.
Виберіть модель
Розглядаючи моделі, що використовуються в суміжних роботах, дослідники вибрали такі моделі, як логістична регресія, наївний Байєса та опорні векторні машини. Продуктивність цих моделей оцінювалася на навчальному наборі з 5-кратною перехресною перевіркою для пошуку найкращої моделі.
Логістичні регресійні моделі можуть оцінювати внесок різних ознак у результати; Наївна баєсова модель краще працює в сценаріях малої вибірки. Потім, використовуючи найкращу модель, попередньо потренуйтеся на побудованому тренувальному наборі.
Тестові дані моделі
Навчена модель штучного інтелекту використовувалася для прогнозування даних у тестовому наборі, щоб отримати ймовірність того, що кожен зразок належав до діабету 2 типу. На основі заздалегідь визначеного порогу ймовірності передбачається, що вибірка буде діабетичною або недіабетичною 2 типу.
У той же час дані тестової вибірки використовуються для розрахунку точності, чутливості, специфічності та інших оціночних показників моделі, а крива ROC може бути побудована для всебічної оцінки прогнозної ефективності моделі.
Наприклад, поширеність середнього прогнозування мовлення та індексу маси тіла у жінок, а також переважання віку та індексу маси тіла у чоловіків були пов'язані із середніми результатами голосу у чоловіків. Об'єднуючи кілька джерел інформації, цей інтегрований модуль може компенсувати недоліки однієї моделі та підвищити прогнозну здатність моделі.
Результати тестів показали, що для жінок результати голосу в поєднанні з поширеністю цукрового діабету 2 типу в індексі маси тіла досягли точності 0,89, специфічності 0,91 і чутливості 0,71 на тестовому наборі.
Для чоловіків вербальні результати в поєднанні з поширеністю цукрового діабету 2 типу за віком та індексом маси тіла досягли точності 0,86, специфічності 0,89 та чутливості 0,75 на тестовій вибірці.
Джейсі Кауфман, керівник дослідження, розповів, що під час дослідження ми виявили зміни в голосі пацієнтів з діабетом 2 типу, що має дуже високу цінність застосування великих моделей штучного інтелекту для виявлення та скринінгу діабету 2 типу.
Метод голосової оцінки може допомогти в ранньому втручанні та лікуванні цукрового діабету 2 типу, одночасно зменшуючи тягар захворювання та покращуючи медичні результати.
Про Klick Health
Заснована в 1997 році зі штаб-квартирою в Торонто, Канада, Klick є провідною світовою маркетинговою компанією в галузі охорони здоров'я. Klick Health використовує підхід, заснований на даних, для розробки та впровадження різноманітних маркетингових стратегій, пов'язаних зі здоров'ям та медициною.
Klick пропонує широкий спектр послуг, включаючи цифрову стратегію, стратегію бренду, інновації та дизайн, аналіз даних, розробку контенту та технологічні рішення.
Про цукровий діабет 2 типу
Цукровий діабет 2 типу – хронічне захворювання, що характеризується інсулінорезистентністю та порушенням секреції інсуліну. Організм не може ефективно використовувати інсулін, і цей стан відомий як інсулінорезистентність. Інсулін - це гормон, який допомагає нашому організму перетворювати цукор крові в енергію.
Коли виникає резистентність до інсуліну, рівень цукру в крові починає підвищуватися, що може призвести до різноманітних проблем зі здоров'ям, включаючи хвороби серця, нирок, втрату зору та пошкодження нервів.