فقط 10 ثانیه صحبت کنید: روش جدیدی برای تشخیص دیابت!

تشخیص دیابت با صحبت کردن

یک مطالعه جدید نشان می‌دهد که تجزیه و تحلیل چند ثانیه‌ای صدای افراد با استفاده از هوش مصنوعی می‌تواند تشخیص دهد که آیا فرد دیابت نوع 2 دارد یا خیر. این عمل با دقت 89 درصد انجام می‌شود. روشی غیرتهاجمی است و این پتانسیل را دارد که با حذف موانع تشخیص فعلی مانند زمان، هزینه و سفر، غربالگری دیابت را متحول کند.

دانشمندان در آزمایشگاه Klick Labs صدا را به عنوان یک ابزار بالقوه در تشخیص دیابت نوع 2 شناسایی کردند.

یک مطالعه پیشگام از آزمایشگاه Klick Labs نشان می‌دهد که تشخیص اینکه آیا فردی به دیابت مبتلا است یا خیر، ممکن است به همین سادگی باشد که او چند عبارت را در تلفن هوشمند خود بیان کند. این تحقیق، فناوری تشخیص صدا و هوش مصنوعی را ادغام می‌کند و پیشرفت قابل توجهی را در زمینه شناسایی دیابت نشان می‌دهد.

مطالعه جدید که در مایو کلینیک Proceedings: Digital Health منتشر شده است، نشان می‌دهد که چگونه دانشمندان از شش تا 10 ثانیه صدای افراد، همراه با داده‌های اولیه بالینی، از جمله سن، جنس، قد و وزن، برای ایجاد یک مدل هوش مصنوعی استفاده کردند که می‌تواند تشخیص دهد که آیا آن فرد دیابت نوع 2 دارد یا خیر. دقت این مدل برای زنان 89 درصد و برای مردان 86 درصد است.

برای این مطالعه، محققان آزمایشگاه Klick Labs از 267 نفر (با تشخیص دیابت نوع 2 یا غیر دیابتی) خواستند که یک عبارت را به مدت دو هفته شش بار در روز در تلفن هوشمند خود ضبط کنند. از بیش از 18000 ضبط، دانشمندان 14 ویژگی صوتی را برای تفاوت بین افراد غیر دیابتی و دیابتی (نوع 2) تجزیه و تحلیل کردند.

Jaycee Kaufman، نویسنده اول مقاله و دانشمند تحقیقاتی در آزمایشگاه‌ Klick Labs، گفت: «تحقیق ما تفاوت‌های صوتی قابل توجهی را بین افراد مبتلا به دیابت نوع 2 و بدون دیابت نشان می‌دهد و می‌تواند نحوه غربالگری جامعه پزشکی را برای دیابت تغییر دهد. روش‌های کنونی تشخیصی می‌تواند به زمان، جابجایی و هزینه زیادی نیاز داشته باشد. فناوری صوتی این پتانسیل را دارد که این موانع را به طور کامل از بین ببرد.»

ابزار تشخیص دیابت
یک مطالعه بالینی جدید توسط آزمایشگاه Klick نشان داد که هوش مصنوعی و 10 ثانیه صدا می‌تواند روش غربالگری افراد برای دیابت را تغییر دهد. همچنین دسترسی بهتر و هزینه کمتری نسبت به روش‌های غربالگری فعلی ارائه دهد. این یافته‌ها که در مایو کلینیک Proceedings: Digital Health منتشر شده است، 89 درصد دقت را برای زنان و 86 درصد برای مردان در پیش بینی دیابت نوع 2 از ویژگی‌های صوتی آکوستیک گزارش کرده است. اعتبار: Klick Labs

تیم آزمایشگاه Klick به تعدادی از ویژگی‌های صوتی، مانند تغییرات در زیر و بم و شدت که توسط گوش انسان قابل درک نیست، نگاه کردند. دانشمندان با استفاده از پردازش سیگنال توانستند تغییرات در صدای افراد مبتلا به دیابت نوع 2 را تشخیص دهند. Kaufman گفت که به طرز شگفت انگیزی، این تغییرات صوتی برای مردان و زنان به روش‌های مختلف ظاهر می‌شود.

دیابت

طبق اعلام فدراسیون بین‌المللی دیابت، تقریباً یک نفر از هر دو یا 240 میلیون بزرگسالی که در سراسر جهان مبتلا به دیابت هستند، از ابتلای خود به این بیماری اطلاعی ندارند. نزدیک به 90 درصد از این موارد دیابتی دیابت نوع 2 هستند. متداول‌ترین آزمایش‌های تشخیصی مورد استفاده پیش دیابت و دیابت نوع 2 شامل هموگلوبین گلیکوزیله (A1C)، همراه با آزمایش قند خون ناشتا (FBG) و OGTT است که برای انجام آن‌ها ملزم به مراجعه به یک ارائه‌دهنده مراقبت‌های بهداشتی هستیم.

Yan Fossat، معاون آزمایشگاه کلیک و محقق اصلی این مطالعه، گفت که رویکرد غیر سرزده و در دسترس Klick، پتانسیل غربالگری تعداد زیادی از افراد و کمک به شناسایی درصد زیادی از افراد مبتلا به دیابت نوع 2 را ارائه می‌دهد.

Fossat گفت: «تحقیق ما بر پتانسیل فوق‌العاده فناوری صدا در شناسایی دیابت نوع 2 و سایر بیماری‌ها تأکید می‌کند. “فناوری صوتی می‌تواند شیوه‌های مراقبت‌های بهداشتی را به عنوان یک ابزار غربالگری دیجیتال در دسترس و مقرون به صرفه متحول کند.”

Fossat گفت گام‌های بعدی تکرار این مطالعه و گسترش تحقیقات خود با استفاده از صدا به عنوان تشخیصی در زمینه‌های دیگر مانند پیش دیابت، سلامت زنان و فشار خون بالا خواهد بود.

مرجع: «تجزیه و تحلیل صوتی و پیش‌بینی دیابت نوع 2 با استفاده از بخش‌های صوتی ضبط ‌شده با گوشی هوشمند» توسط Jaycee M. Kaufman، Anirudh Thommandram و Yan Fossat،

همچنین بخوانید:

منبع

مترجم: شقایق مرتاضی

از این مطلب چقدر راضی بودید؟

روی ستاره کلیک کنید تا نظرتون ثبت بشه

5 / 5. تعداد رای دهندگان: 1

تا حالا امتیازی برای این مطلب ثبت نشده؛ با ثبت نظرتون مارو خوشحال می‌کنید

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *