聽10秒語音就能判斷糖尿病，這個AI大模型太硬核了！

原文來源：AIGC開放社區

圖片來源：由無界 AI生成

加拿大的Klick科研人員在頂級健康雜誌《梅奧診所文集：數位健康》上發佈了一個AI大模型，只需要聽一段6—10秒的語音，就能診斷是否患有2型糖尿病（T2DM）。

目前糖尿病的主要檢測方式依賴於血糖測量，但這種方法需要獲取血液樣本對患者會造成創傷，同時還需要專業設備成本非常高。 為了解決這一檢測痛點，加拿大知名健康科技公司Klick科研人員提出了AI模型檢測方法。

研究人員收集了267名志願者的語音樣本，然後通過AI模型了進行了詳細檢測，結果顯示，AI準確地識別出了2型糖尿病，其中，女性準確率89%，男性準確率86%。 還發現，「音調」和「音調標準差」是診斷2型糖尿病的主要特徵之一。

這個研究與前段時間Meta提出的使用MEG（腦磁圖）重構人類大腦成像過程類似，都是藉助人類的生物體特徵，來觀察其抖動數據變化確定結果。

論文位址：

構建數據集

研究人員共招募了267名自願者，其中79名女性和113名男性是非糖尿病患者，18名女性和57名男性被診斷為2型糖尿病患者。

參與者的糖尿病診斷是基於美國糖尿病學會的診斷標準，由醫生確認。 同時沒有神經系統或語言障礙史，也沒有吸煙歷史。

參與者使用智慧手機應用程式錄製固定語句「你好，你好嗎？ 我現在的血糖水準是多少“，錄製時間為2周，每天最多6次，總共收集了18,465段語音樣本。

數據分割，提取特徵

由於年齡和體重指數等因素會對語音數據產生影響，研究人員根據參與者ID將數據分割成年齡和體重指數匹配的數據集，用於模型訓練和統計分析，這有助於AI模型能夠學習到糖尿病語音的真實變化。

訓練集佔所有2型糖尿病患者的50%男性和61%女性。 剩餘數據作為測試集，用於測試訓練好的AI模型。

接著研究人員從每個語音樣本中提取了14個聲學特徵，包括音高、音強、諧波雜訊比、聲響、聲抖等。 特徵提取使用的是Parselmouth，這是Praat語音分析軟體的Python介面。

可從原始語音信號中提取能反映語音變化的數值特徵，為後續的模型訓練和預測提供輸入。

選擇模型

考慮到相關工作中使用的模型，研究人員選擇了邏輯回歸、樸素貝葉斯和支援向量機等模型。 通過5折交叉驗證在訓練集上評估了這些模型的性能，從而找到最佳模型。

對女性而言，含3個特徵的邏輯回歸模型效果最好; 男性，含2個特徵的樸素貝葉斯模型效果最好。

邏輯回歸模型可以估計不同特徵對結果的貢獻程度; 樸素貝葉斯模型在小樣本場景下效果較好。 然後使用最佳模型，在構建的訓練集上進行預訓練。

模型測試數據

使用訓練好的AI模型對測試集的數據進行預測， 得到每個樣本屬於2型糖尿病的概率。 根據預先確定的概率閾值，將樣本預測為2型糖尿病或非糖尿病。

同時使用測試集的數據計算模型的精確度、敏感度和特異度等評價指標，還可以繪製ROC曲線等來全面的評估模型的預測性能。

此外，研究人員還將年齡、體重指數等資訊融合到預測結果中，可以提高模型的準確度。

例如，對女性平均語音預測結果和體重指數患病率，對男性平均語音結果與年齡、體重指數患病率。 這種集成模組通過組合多個資訊源，可以彌補單一模型的缺陷，增強模型的預測能力。

測試結果顯示，對女性，語音結果與體重指數的2型糖尿病患病率相結合，在測試集上達到了0.89的準確率、0.91的特異度和0.71的敏感度。

對男性，語音結果與年齡和體重指數的2型糖尿病患病率相結合，在測試集上達到了0.86的準確率、0.89的特異度和0.75的敏感度。

研究負責人Jaycee Kaufman表示，我們在研究過程中確定了2型糖尿病患者語音的變化， 這對於AI大模型檢測、篩選2型糖尿病有非常高的應用價值。

語音評估的方法有助於2型糖尿病的早期干預和管理，同時減輕疾病的負擔改善醫療效果。

關於Klick Health

Klick成立於1997年，總部位於加拿大多倫多，是全球領先的健康行銷公司。 Klick Health使用數據驅動的方法來開發和實施各種健康和醫療相關的行銷策略。

Klick提供一系列服務，包括數位戰略、品牌策略、創新與設計、數據洞察、內容開發和技術解決方案等。

關於2型糖尿病

2型糖尿病是一種慢性疾病，主要特徵是胰島素抵抗和胰島素分泌功能障礙。 身體不能有效地使用胰島素，這種情況被稱為胰島素抵抗。 胰島素是一種荷爾蒙，可以幫助我們的身體將血糖轉化為能量。

當胰島素抵抗發生時，血糖水平開始上升，這可能會導致各種健康問題，包括心臟病、腎病、視力損失和神經損傷。