Ποια χαρακτηριστικά της φωνής εξετάζει η τεχνητή νοημοσύνη
Παλαιότερες επιστημονικές μελέτες έχουν εντοπίσει πιθανές συσχετίσεις ανάμεσα στον διαβήτη τύπου 2 και ορισμένες αλλαγές στην ομιλία. Μεταξύ αυτών περιλαμβάνονται η εντονότερη βραχνάδα, η τραχύτητα της φωνής και οι δυσκολίες στον έλεγχο της αναπνοής κατά τη διάρκεια της ομιλίας.
Αυτές ακριβώς τις διαφοροποιήσεις επιχειρεί να αξιοποιήσει η ερευνητική ομάδα της εταιρείας Thymia, σε συνεργασία με το Πανεπιστήμιο RMIT της Αυστραλίας.
Για την εκπαίδευση του μοντέλου συγκεντρώθηκαν 63.283 ηχογραφήσεις από συνολικά 21.129 ανθρώπους στο Ηνωμένο Βασίλειο και τις ΗΠΑ. Οι συμμετέχοντες είχαν δηλώσει εάν είχαν λάβει διάγνωση διαβήτη.
Στη συνέχεια, οι ερευνητές δοκίμασαν το εργαλείο σε σύντομα ηχητικά δείγματα, στα οποία οι συμμετέχοντες διάβαζαν έναν μύθο του Αισώπου.
Η πρώτη αξιολόγηση πραγματοποιήθηκε σε 7.319 ενήλικες από το Ηνωμένο Βασίλειο. Από αυτούς, οι 217 ανέφεραν ότι είχαν διαγνωστεί με διαβήτη τύπου 2.
Τα αποτελέσματα έδειξαν ότι το μοντέλο απέδιδε υψηλότερη βαθμολογία κινδύνου στα άτομα που δήλωναν ότι έπασχαν από τη νόσο σε σχέση με εκείνα που δεν είχαν σχετική διάγνωση, στο 80% των συγκρίσεων.
Τι αποκάλυψε η σύγκριση με τις αιματολογικές εξετάσεις
Σε δεύτερο στάδιο, οι επιστήμονες εξέτασαν κατά πόσο οι εκτιμήσεις του μοντέλου συμφωνούσαν με τις τιμές της γλυκοζυλιωμένης αιμοσφαιρίνης (HbA1c).
Η συγκεκριμένη εξέταση χρησιμοποιείται για την εκτίμηση των μέσων επιπέδων σακχάρου στο αίμα κατά τους προηγούμενους δύο έως τρεις μήνες και αποτελεί βασικό εργαλείο τόσο για τη διάγνωση όσο και για την παρακολούθηση του διαβήτη.
Η δεύτερη αξιολόγηση περιέλαβε 801 συμμετέχοντες, οι οποίοι είχαν υποβληθεί σε αιματολογικές εξετάσεις μέσα σε διάστημα τριών μηνών από την ηχογράφηση της φωνής τους.
Τα ευρήματα έδειξαν ότι το μοντέλο κατάφερε να αναγνωρίσει το 82% των συμμετεχόντων που είχαν τιμές HbA1c εντός του διαβητικού εύρους, με βάση το όριο αξιολόγησης που χρησιμοποιήθηκε.
Ωστόσο, υπήρξε και ένα σημαντικό μειονέκτημα: το εργαλείο κατέταξε στην ομάδα υψηλού κινδύνου και το 47% των ατόμων που δεν είχαν τιμές σακχάρου στο διαβητικό εύρος.
Το ποσοστό αυτό υποδεικνύει ότι η συγκεκριμένη μέθοδος μπορεί να παράγει αρκετά ψευδώς θετικά αποτελέσματα. Επομένως, μια αυξημένη βαθμολογία από την ανάλυση της φωνής δεν αρκεί για να επιβεβαιωθεί ότι κάποιος έχει διαβήτη και απαιτείται εργαστηριακός έλεγχος.
Σε ποιες περιπτώσεις μειώνεται η ακρίβεια του εργαλείου
Οι ερευνητές διαπίστωσαν επίσης ότι η απόδοση του μοντέλου ήταν χαμηλότερη σε άτομα με καρδιαγγειακά νοσήματα, υπέρταση ή παχυσαρκία.
Μία πιθανή εξήγηση είναι ότι οι συγκεκριμένες παθήσεις εμφανίζονται συχνά μαζί με τον διαβήτη και ενδέχεται να προκαλούν παρόμοιες αλλαγές στη φωνή. Αυτό δυσκολεύει το σύστημα να διακρίνει εάν τα χαρακτηριστικά που εντοπίζει σχετίζονται πράγματι με τον διαβήτη ή με κάποια άλλη κατάσταση υγείας.
Ένας ακόμη περιορισμός αφορά τον πληθυσμό που συμμετείχε στην έρευνα. Επειδή τα δεδομένα προέρχονται αποκλειστικά από αγγλόφωνους ανθρώπους, δεν είναι ακόμη γνωστό εάν το εργαλείο θα παρουσιάζει αντίστοιχη αποτελεσματικότητα σε άλλες γλώσσες και διαφορετικές πληθυσμιακές ομάδες.
Αξίζει να σημειωθεί ότι η ερευνητική εργασία είναι διαθέσιμη και στο medRxiv ως προδημοσίευση, χωρίς να έχει ολοκληρωθεί η διαδικασία αξιολόγησης από ανεξάρτητους επιστήμονες.
Πώς θα μπορούσε να χρησιμοποιηθεί στην καθημερινότητα
Η ομάδα που βρίσκεται πίσω από την ανάπτυξη του μοντέλου εξετάζει το ενδεχόμενο η διαδικασία να πραγματοποιείται μέσω μιας απλής τηλεφωνικής κλήσης ή μιας εφαρμογής στο κινητό.
Ο ενδιαφερόμενος θα χρειάζεται να ηχογραφήσει ένα σύντομο δείγμα ομιλίας διάρκειας περίπου 20 δευτερολέπτων. Στη συνέχεια, η τεχνητή νοημοσύνη θα αναλύει τα χαρακτηριστικά της φωνής και θα υπολογίζει μια βαθμολογία κινδύνου.
Όσοι εμφανίζουν υψηλότερη βαθμολογία θα μπορούσαν να παραπέμπονται για αιματολογικές εξετάσεις, ώστε να διαπιστωθεί εάν υπάρχει λόγος περαιτέρω διερεύνησης.
Μια τέτοια προσέγγιση θα μπορούσε να διευκολύνει την πρόσβαση στον προληπτικό έλεγχο, ιδιαίτερα για ανθρώπους που δεν επισκέπτονται τακτικά κάποιον γιατρό.
Η Giedrė Čepukaitytė, ερευνήτρια που παρουσιάζει τα αποτελέσματα, διευκρινίζει ότι το συγκεκριμένο μοντέλο δεν μπορεί να αντικαταστήσει τις εξετάσεις αίματος. Παράλληλα, τονίζει ότι η χρήση του δεν θα πρέπει να αποτρέπει κάποιον από το να αναζητήσει ιατρική αξιολόγηση, εφόσον θεωρεί ότι τη χρειάζεται.
Επόμενο βήμα για την ερευνητική ομάδα είναι η δοκιμή της τεχνολογίας σε πραγματικές συνθήκες υγειονομικής περίθαλψης και η εξέταση της αποτελεσματικότητάς της σε διαφορετικές ομάδες ανθρώπων.
Για να μπορέσει να αξιοποιηθεί ευρύτερα, θα πρέπει να αποδειχθεί ότι συμβάλλει στον έγκαιρο εντοπισμό πιθανών περιστατικών διαβήτη, χωρίς να οδηγεί σε υπερβολικά πολλές άσκοπες παραπομπές ή να δημιουργεί λανθασμένη αίσθηση ασφάλειας σε ανθρώπους που χρειάζονται εξετάσεις.
