هوش مصنوعی: تشخیص دیابت نوع ۲ با ۱۰ ثانیه تست صوتی

ابزارهای تشخیص طبی با استفاده از تجزیه و تحلیل صوتی پیشرفته به صورت فزاینده‌ای دقیق می‌شوند. تجزیه و تحلیل الگوهای گفتار می‌تواند یافته‌های ارزشمندی را ارائه دهد، به خصوص در مورد امراضی مانند پارکینوس یا آلزایمر.

صفحه اینستاگرام دویچه وله را دنبال کنید

بیماری‌های روانی، افسردگی، اختلال اضطراب پس از سانحه و بیماری قلبی با استفاده از تجزیه و تحلیل صدا قابل تشخیص هستند. هوش مصنوعی حتی می‌تواند علائم انقباض عروق خونی یا خستگی را تشخیص دهد. این کار به متخصصان صحی اجازه می‌دهد تا بیماران را زودتر تداوی کنند و خطرات احتمالی را کاهش دهند.

براساس مطالعه‌ای که در مجله طبی (Mayo Clinic Proceedings: Digital Health medical journal) منتشر شده است، تنها ضبط کوتاه صدا برای تشخیص دقیق دیابت نوع ۲ لازم است.

بیماری تشخیص نشده

این تکنولوژی برای کمک به شناسایی افرادی در نظر گرفته شده است که به دیابت مبتلا هستند اما این بیماری در آنها تشخیص نشده است. آمارهای تخمینی حاکی است که حدود ۲۴۰ میلیون بزرگسال در سراسر جهان مبتلا به دیابت هستند و خود شان خبر ندارند. طبق اعلام فدراسیون بین المللی دیابت، نزدیک به ۹۰ درصد موارد این دیابت‌ها از نوع ۲ می‌باشند.

افراد مبتلا به دیابت نوع ۲ با خطر ابتلا به بیماری‌های قلبی -عروقی مانند حمله قلبی، سکته مغزی و ضعف گردش خون در پاها مواجه هستند.

مرتبط: ناتوانی جنسی؛ چرا باید اختلال نعوذ را جدی گرفت؟

تست‌های غربالگری دیابت با استفاده از تجزیه و تحلیل صدا به صورت قابل توجهی تشخیص را بهبود می‌بخشد. اکثر آزمایشات دیگر نیاز به مراجعه به یک مرکز صحی یا داکتر دارند. این‌ها شامل آزمایش قند خون (FBG)، تست تحمل گلوکوز خوراکی (OGTT) یا آزمایش هموگلوبین گلیکوزیله (A1C) است. تست اخیر برای اندازه گیری میانگین سطح قند خون در مدت دو تا سه ماه انجام می‌شود.

تجزیه و تحلیل صدا چگونه کار می‌کند؟

با تجزیه و تحلیل فرکانس صدا، آن تغییرات در صدا که برای گوش انسان قابل شنیدن نیست، توسط هوش مصنوعی تجزیه و تحلیل می‌شود. اغلب اوقات ضبط مکالمه تلفونی تنها چیزی است که این نرم‌افزار برای تجزیه و تحلیل نیاز دارد.

هوش مصنوعی عواملی مانند آهنگ گفتار، ریتم، مکث و زیر و بم را بررسی می‌کند. برخی از علائم این بیماری دارای خصوصیات آوایی مشخصی هستند، مانند شیوه تلفظ حرف صدادار «A» در مدت پنج ثانیه.

صدای انسان می‌تواند تا ۲۰۰ هزار ویژگی متمایز را نشان دهد. الگوریتم‌های هوش مصنوعی می‌توانند همه این موارد را فلتر کنند تا الگوهای صوتی خاصی را که با علائم خاصی مطابقت دارند، شناسایی کنند.

دقت قابل توجه

هوش مصنوعی جدیداً توسعه یافته، صداهای ضبط شده بین ۶ تا ۱۰ ثانیه را تست یا اسکرین می‌کند و به دنبال تفاوت در زیر و بم و شدت صدا است. این نرم‌افزار همراه با داده‌های صحی دیگر مانند سن، جنسیت، قد و وزن، می‌تواند تشخیص دهد که آیا گوینده دیابت نوع ۲ دارد یا خیر.

نتایج این تشخیص بسیار دقیق است، اما نظر به جنیست تفاوت‌هایی دارد. به دلیل تفاوت در زیر و بم صدا بین مردان و زنان، تست‌ها ۸۹ درصد در معاینه زنان و ۸۶ درصد در معاینه مردان، دقیق بودند. 

ویژگی‌ها متمایز صوتی

به منظور آموزش هوش مصنوعی، جیسی کافمن و تیمش در دانشگاه تکنولوژی انتاریو در کانادا صدای ۲۶۷ نفر را ضبط کردند که یا دیابت نداشتند و یا قبلاً نوع ۲ در آنها تشخیص داده شده بود.

شرکت کنندگان در مدت دو هفته یک جمله کوتاه را شش بار در روز روی گوشی تلفون هوشمند خود ضبط می‌کردند. در این روند بیش از ۱۸ هزار نمونه صوتی تولید شد که از بین آن‌ها ۱۴ ویژگی صوتی مشخص شد.

کافمن، دانشمند تحقیقاتی در آزمایشگاه کلیک گفت: «روش‌های فعلی تشخیص می‌تواند به زمان، سفر و هزینه زیادی نیاز داشته باشد. تکنولوژی صوتی این توانایی را دارد که این موانع را به طور کامل از بین ببرد.»

آزمایشگاه کلیک امیدوار است در آینده بررسی کند که آیا تجزیه و تحلیل صدا می‌تواند به تشخیص سایر شرایط صحی مانند وضعیت صحی در آستانه دیابت یا فشار خون نیز کمک کند یا خیر.

خطرهای تجزیه و تحلیل صدا

طرفداران تجزیه و تحلیل صدا به عنوان یک ابزار تشخیص دهنده بر سرعت و کارایی تشخیص بیماری‌ها با استفاده از صدای بیمار تاکید دارند.

اما حتی اگر ابزارهای با پشتیبانی هوش مصنوعی قادر به ارائه اطلاعات بسیار خاص باشند، تعداد انگشت شماری از نمونه‌های صوتی برای ایجاد یک تشخیص مستدل کافی نیست. این خطر نیز وجود دارد که به صورت اشتباه در مردم بیماری دیابت تشخیص شود. در پایان، ارزیابی باید همیشه براساس تخصص انسانی انجام شود.

نشانه‌ها، نه تشخیص طبی

این امر به ویژه در مورد بیماری‌های روانی صدق می‌کند. به عنوان مثال، تون خاصی ممکن است نشانه افسردگی باشد، اما فقط یک معاینه کامل توسط یک متخصص انسانی می‌تواند آن را ثابت کند.

هوش مصنوعی ممکن است بتواند صدای فرد را تجزیه و تحلیل کند تا تشخیص دهد که آیا فردی بیشتر از حد معمول نامرتب صحبت می‌کند، اما فقط یک متخصص طبی می‌تواند تشخیص دهد که آیا این صدا به چیزی مانند اختلال کم توجهی مرتبط است یا خیر.

سوء استفاده را نمی‌توان رد کرد

منتقدان و طرفداران حفاظت از داده‌ها در مورد خطر عظیم استفاده از نرم افزارهای تجزیه و تحلیل صدا با نیت بد، به عنوان مثال توسط کارفرمایان یا مراکز تماس بیمه، هشدار داده اند.

مرتبط: آیا برای چاقی و بیماری دیابت دارو ساخته خواهد شد؟

یک خطر نرم‌افزار تجزیه و تحلیل صدا این است که می‌تواند بدون رضایت صریح استفاده شود و مشتریان یا کارمندان بر اساس معلومات صحی خود در معرض ضرر قرار گیرند. 

صفحه یوتیوب دویچه وله دری را تماشا کنید

این تکنولوژی، هک کردن، فروش یا سوء استفاده از اطلاعات حساس طبی را نسبتاً آسان می‌سازد. با این حال، قوانین و محدودیت‌های واضح در مورد تجزیه و تحلیل صدا به عنوان یک ابزار تشخیص نمی‌تواند توسط دانشمندان وضع شود. این کاملاً مربوط به بخش سیاست است.