聽10秒語音就能判斷糖尿病，這個AI大模型太硬核了！

　　加拿大的Klick科研人員在頂級健康雜志《梅奧診所文集:數(shù)字健康》上發(fā)布了一個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于血糖測量，但這種方法需要獲取血液樣本對患者會造成創(chuàng)傷，同時還需要專業(yè)設(shè)備成本非常高。為了解決這一檢測痛點(diǎn)，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名志愿者的語音樣本，然后通過AI模型了進(jìn)行了詳細(xì)檢測，結(jié)果顯示，AI準(zhǔn)確地識別出了2型糖尿病，其中，女性準(zhǔn)確率89%，男性準(zhǔn)確率86%。還發(fā)現(xiàn)，“音調(diào)”和“音調(diào)標(biāo)準(zhǔn)差”是診斷2型糖尿病的主要特征之一。

　　這個研究與前段時間Meta提出的使用MEG(腦磁圖)重構(gòu)人類大腦成像過程類似，都是借助人類的生物體特征，來觀察其抖動數(shù)據(jù)變化確定結(jié)果。

　　論文地址:https://www.mcpdigitalhealth.org/article/S2949-7612(23)00073-1/fulltext

　　構(gòu)建數(shù)據(jù)集

　　研究人員共招募了267名自愿者，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于美國糖尿病學(xué)會的診斷標(biāo)準(zhǔn)，由醫(yī)生確認(rèn)。同時沒有神經(jīng)系統(tǒng)或語言障礙史，也沒有吸煙歷史。

　　參與者使用智能手機(jī)應(yīng)用程序錄制固定語句“你好，你好嗎?我現(xiàn)在的血糖水平是多少”，錄制時間為2周，每天最多6次，總共收集了18，465段語音樣本。

　　數(shù)據(jù)分割，提取特征

　　由于年齡和體重指數(shù)等因素會對語音數(shù)據(jù)產(chǎn)生影響，研究人員根據(jù)參與者ID將數(shù)據(jù)分割成年齡和體重指數(shù)匹配的數(shù)據(jù)集，用于模型訓(xùn)練和統(tǒng)計分析，這有助于AI模型能夠?qū)W習(xí)到糖尿病語音的真實變化。

　　訓(xùn)練集占所有2型糖尿病患者的50%男性和61%女性。剩余數(shù)據(jù)作為測試集，用于測試訓(xùn)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(xué)特征，包括音高、音強(qiáng)、諧波噪聲比、聲響、聲抖等。特徵提取使用的是Parselmouth，這是Praat語音分析軟件的Python接口。

　　可從原始語音信號中提取能反映語音變化的數(shù)值特征，為后續(xù)的模型訓(xùn)練和預(yù)測提供輸入。

　　選擇模型

　　考慮到相關(guān)工作中使用的模型，研究人員選擇了邏輯回歸、樸素貝葉斯和支持向量機(jī)等模型。通過5折交叉驗證在訓(xùn)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個特征的邏輯回歸模型效果最好;男性，含2個特征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征對結(jié)果的貢獻(xiàn)程度;樸素貝葉斯模型在小樣本場景下效果較好。然后使用最佳模型，在構(gòu)建的訓(xùn)練集上進(jìn)行預(yù)訓(xùn)練。

　　模型測試數(shù)據(jù)

　　使用訓(xùn)練好的AI模型對測試集的數(shù)據(jù)進(jìn)行預(yù)測，得到每個樣本屬于2型糖尿病的概率。根據(jù)預(yù)先確定的概率閾值，將樣本預(yù)測為2型糖尿病或非糖尿病。

　　同時使用測試集的數(shù)據(jù)計算模型的精確度、敏感度和特異度等評價指標(biāo)，還可以繪制ROC曲線等來全面的評估模型的預(yù)測性能。

　　此外，研究人員還將年齡、體重指數(shù)等信息融合到預(yù)測結(jié)果中，可以提高模型的準(zhǔn)確度。

　　例如，對女性平均語音預(yù)測結(jié)果和體重指數(shù)患病率，對男性平均語音結(jié)果與年齡、體重指數(shù)患病率。這種集成模塊通過組合多個信息源，可以彌補(bǔ)單一模型的缺陷，增強(qiáng)模型的預(yù)測能力。

　　測試結(jié)果顯示，對女性，語音結(jié)果與體重指數(shù)的2型糖尿病患病率相結(jié)合，在測試集上達(dá)到了0.89的準(zhǔn)確率、0.91的特異度和0.71的敏感度。

　　對男性，語音結(jié)果與年齡和體重指數(shù)的2型糖尿病患病率相結(jié)合，在測試集上達(dá)到了0.86的準(zhǔn)確率、0.89的特異度和0.75的敏感度。

　　研究負(fù)責(zé)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， 這對于AI大模型檢測、篩選2型糖尿病有非常高的應(yīng)用價值。

　　語音評估的方法有助于2型糖尿病的早期干預(yù)和管理，同時減輕疾病的負(fù)擔(dān)改善醫(yī)療效果。