Όταν τα επίπεδα σακχάρου στο αίμα ανεβαίνουν, το ίδιο συμβαίνει και με τον τόνο της φωνής, σύμφωνα με μια νέα μελέτη. Αυτό ανοίγει το δρόμο για την ανίχνευση του διαβήτη τύπου 2 ή την παρακολούθηση του σακχάρου στο αίμα των διαβητικών, απλά μιλώντας σε ένα smartphone και αφήνοντας την AI να αναλύσει την ομιλία τους.
Για τους διαβητικούς τύπου 2, η αντίσταση στην ινσουλίνη και το πάγκρεας που σταδιακά χάνει την ικανότητα να παράγει αρκετή ινσουλίνη έχει ως αποτέλεσμα τα διαταραγμένα επίπεδα σακχάρου στο αίμα. Όσο νωρίτερα διαγνωστεί η πάθηση, τόσο το καλύτερο για την αποφυγή μακροχρόνιων επιπλοκών. Εδώ και πολύ καιρό, η επιστήμη εργάζεται για την ακριβή και αποτελεσματική διάγνωση του διαβήτη τύπου 2, από τον έλεγχο των επιπέδων μιας συγκεκριμένης πρωτεΐνης στο αίμα μέχρι την ανίχνευση της πάθησης μέσω της κάμερας ενός smartphone.
Τώρα, μια ομάδα ερευνητών στον τομέα της ψηφιακής υγειονομικής περίθαλψης στην Klick Labs εντόπισε μια νέα, μη επεμβατική μέθοδο διάγνωσης και παρακολούθησης του διαβήτη: τον τόνο της φωνής.
«Διαπιστώνοντας μια σημαντική θετική συσχέτιση μεταξύ των επιπέδων γλυκόζης και της θεμελιώδους συχνότητας της φωνής, η μελέτη μας παρέχει πειστική αιτιολόγηση για περισσότερη έρευνα σχετικά με τη χρήση της φωνής για την πρόβλεψη και την παρακολούθηση των επιπέδων γλυκόζης», δήλωσε η Jaycee Kaufman, επικεφαλής επιστήμονας της Klick Labs και επικεφαλής και συγγραφέας της μελέτης. «Ενώ οι τρέχουσες μέθοδοι παρακολούθησης της γλυκόζης είναι συχνά επεμβατικές και άβολες, η παρακολούθηση της γλυκόζης με βάση τη φωνή θα μπορούσε να είναι τόσο εύκολη όσο η ομιλία σε ένα smartphone, γεγονός που θα άλλαζε το παιχνίδι για τα περίπου 463 εκατομμύρια άτομα σε όλο τον κόσμο που ζουν με διαβήτη τύπου 2».
Η θεμελιώδης συχνότητα, ή F0, του σύνθετου τόνου ομιλίας είναι απλώς ένας άλλος όρος για το τονικό ύψος. Έχει διατυπωθεί η υπόθεση ότι τα επίπεδα γλυκόζης επηρεάζουν τα χαρακτηριστικά της φωνής, προερχόμενα κυρίως από το νόμο του Hooke, όπως εφαρμόζεται στις φωνητικές χορδές, ο οποίος αναφέρει ότι οι μεταβολές στην τάση, τη μάζα ή το μήκος των χορδών, που επηρεάζονται από τα επίπεδα γλυκόζης στο σώμα, μεταβάλλουν τη συχνότητα δόνησής τους. Έτσι, οι ερευνητές ξεκίνησαν να ελέγξουν αυτή την υπόθεση.
Προσέλαβαν 505 συμμετέχοντες και τους χώρισαν σε τρεις ομάδες: 242 μη διαβητικούς, 89 προδιαβητικούς και 174 διαβητικούς τύπου 2. Όλοι οι συμμετέχοντες εφοδιάστηκαν με μια συσκευή συνεχούς παρακολούθησης γλυκόζης (CGM) και τους δόθηκε η οδηγία να καταγράφουν τις φωνές τους σε ένα ήσυχο περιβάλλον χρησιμοποιώντας μια προσαρμοσμένη εφαρμογή για smartphone έως και έξι φορές την ημέρα για δύο εβδομάδες. Ζητήθηκε από τους συμμετέχοντες να απαγγείλουν τη φράση «Hello, how are you? What is my glucose level right now?» για να καταγράψουν τη φυσική συχνότητα της φωνής τους κατά τη διάρκεια της ομιλίας.
Μετά το πέρας της μελέτης, όλες οι ηχογραφήσεις φωνής αντιστοιχήθηκαν με τα δεδομένα CGM των συμμετεχόντων που βρίσκονται σε πιο κοντινό χρόνο. Καθώς τα επίπεδα γλυκόζης μετρήθηκαν κάθε 15 λεπτά, αυτό επέτρεψε όλες οι φωνητικές καταγραφές να βρίσκονται εντός 7,5 λεπτών από μια καταγραφή γλυκόζης.
Οι ερευνητές διαπίστωσαν σημαντική συσχέτιση μεταξύ του τόνου της φωνής και των επιπέδων γλυκόζης στο αίμα. Η ανάλυση αποκάλυψε μια γραμμική σχέση, καθώς η αύξηση του ενός αντιστοιχούσε σε αύξηση του άλλου.
«Συνολικά, η συχνότητα της φωνής έχει μια μικρή αλλά σημαντική σχέση με τα επίπεδα γλυκόζης όταν αξιολογείται σε ένα άτομο», κατέληξαν οι ερευνητές. Ωστόσο, σημείωσαν ότι ο τόνος της φωνής από μόνος του είναι απίθανο να μπορεί να προβλέψει τα επίπεδα γλυκόζης στο αίμα, παρά τη γραμμική σχέση μεταξύ των δύο. «Άλλα φωνητικά χαρακτηριστικά είναι πιθανότατα απαραίτητα για τη δημιουργία ενός επιτυχημένου μοντέλου πρόβλεψης».
Οι ερευνητές επισημαίνουν επίσης μια σημαντική προειδοποίηση για τα ευρήματά τους: οι φωνητικές παράμετροι, ειδικά ο τόνος της φωνής, μπορούν να επηρεαστούν από εξωτερικούς παράγοντες, όπως οι συναισθηματικές και ψυχολογικές καταστάσεις, οι λοιμώξεις του αναπνευστικού συστήματος και οι αλλεργίες.
Η παρούσα μελέτη αποτελεί ένα ακόμη βήμα στην έρευνα της Klick Labs για την ανίχνευση και τη διαχείριση του διαβήτη με τη χρήση φωνητικής τεχνολογίας και μηχανικής μάθησης. Το 2023, διαπίστωσε ευδιάκριτες φωνητικές διαφορές μεταξύ των διαβητικών τύπου 2 και εκείνων που δεν πάσχουν από την πάθηση και ότι η Τεχνητή Νοημοσύνη, χρησιμοποιώντας αυτό και άλλους προγνωστικούς παράγοντες, έχει δυνατότητες ως εργαλείο προ-διαλογής ή παρακολούθησης.
*Η κεντρική εικόνα προέρχεται από την Elena Leya on Unsplash
[via]
