AI dokáže diagnostikovat diabetes typu 2 z vašeho hlasu do pouhých 10 sekund!

V nejnovějším průlomu na poli medicínské informatiky, skupina kanadských vědců, se specializací na lékařské vědy, představila metodu, která umožňuje pokročilým algoritmům strojového učení – odnoži umělé inteligence – rozpoznat potenciální příznaky diabetu typu 2. Toho dosáhli analýzou hlasových vzorků trvajících pouhých šest až deset sekund – díky tomu vědci vidí hlavní výhodu ve snížení nákladů a časové náročnosti na diagnostiku.

Specifika studie se soustředila na detekci čtrnácti odlišných hlasových ukazatelů, které signalizovaly možnou přítomnost diabetu typu 2. Tento výzkum, kde AI byla ‚vycvičena‘ pomocí velkého množství hlasových dat, konkrétně na 18 000 hlasových nahrávek, naznačuje, že zmíněná inteligence dokáže identifikovat velmi jemné rozdíly v hlasu, jež jsou pro běžné posluchače prakticky nerozeznatelné. Tyto charakteristiky zahrnují nepatrné modifikace v tónu a síle hlasu (tzv. Pitch), které mohou naznačovat změny související s nadcházejícím nebo již přítomným onemocněním.

Složitost a sofistikovanost AI v této studii jsou zesíleny integrací dalších biometrických údajů, jako je věk, pohlaví, tělesná výška a hmotnost, jež výzkumníci shromažďovali. Tato kombinace hlasové analýzy a zdravotních metadat poskytuje robustnější základ pro diagnostické algoritmy.

Obrázek 1 – LeonardoAI: Fantasy elder tree

Statistická data a projekce do budoucna

Výzkumný tým, vedený odborníky v oblasti zpracování hlasu a strojového učení, je přesvědčen, že implementace jejich modelu může být významným krokem vpřed v boji proti diabetu typu 2 – onemocněním, které postihuje stále větší části světové populace. Jen tak pro zajímavost, český úřad uvedl pro rok 2016, že přes 900 000 obyvatel české země trpí cukrovkou, z čehož převládá zejména cukrovka II typu. V současnosti si ale troufnu říct, že v současnosti bude počet podstatně vyšší.

Když už jsme u těch statistik, pojďme se rovnou podívat na údaje od mezinárodní diabetické federace. Podle ní a údajů z roku 2021 se na světě pohybuje přibližně 537 miliónů diabetiků s rozmezím věku mezi 20 až 79 lety. Toto enormní číslo se dá reprezentovat na skutečnosti jako by každý člověk (muž, žena, dítě, senior apod.) v České republice měl diabetes, při čemž počet těchto “diabetických republik” bychom museli vynásobit 53,7. Jinak lze číslo demonstrovat na 1,5násobku obyvatel USA. Tolik pro představu.

Pozoruhodná je i předpověď hlásající 106 miliónový nárůst do roku 2030 a další 140 miliónový nárůst do roku 2045. To odpovídá projekci, která naznačuje, že 1 z 8 dospělých bude žít z diabetes. Pakliže bychom takto pokračovali ještě chvíli, mohli bychom se za chvíli ocitnout na čísle 1 000 000 000.

Upřímně bych ale předpovědi bral se zdravou dávkou skepse. Myslím si, že jen málo lidí dokázalo před rokem (tzn. před příchodem ChatGPT) udělat predikce, do nichž byl zahrnut i raketový vzestup umělé inteligence, která, jak se ukazuje, se začíná integrovat do všech možných oborů, včetně té medicíny. Je tak dosti možné, že s příchodem tzv. medicíny 3.0 (vám uzpůsobený zdravotnický profil na míru) se vzrůstající křivka počtu diabetiků významně zpomalí, anebo dokonce začne klesat – právě díky nalezení způsobu, jak znovu přimět buňky přijímat cukr z krve a zvrátit tak inzulinovou rezistenci. 

Obrázek 2 – LeonardoAI: A futuristic city with a beautiful boat on the river

Snížení finančních nákladů

Nyní ale zpět k tématu – přestože jsou výsledky slibné, výzkumníci zdůrazňují, že než se tato metoda stane standardní součástí diagnostických postupů, bude vyžadovat další validaci a optimalizování.

Klíčovým přínosem této studie je možnost snížení časových a finančních nákladů spojených s diagnostikováním diabetu. Přesto zůstává otázkou, jak bude tato inovace přijata lékařskou komunitou a jak rychle se stane běžnou metodou v klinickém prostředí.

Ve stávajících protokolech jsou diagnostické postupy pro prediabetes a diabetes typu 2 převážně závislé na přímém kontaktu s pacienty a na sérii testů, jako jsou krevní testy. Tato metoda zahrnuje tři různé testy pro kontrolu hladiny cukru v krvi, což pomáhá identifikovat a sledovat diabetes: měření procenta cukru přilnutého ke krvinkám přes delší dobu (glykovaný hemoglobin A1C), kontrolu množství cukru v krvi po několikahodinovém půstu (hladina glukózy nalačno, FBG), a test, který zjišťuje, jak tělo zpracovává cukr po vypití glukózového roztoku (orální test tolerance glukózy, OGTT). Nicméně, využití umělé inteligence by mohlo umožnit přechod k daleko pohodlnějším a efektivnějším formám diagnostiky, která by se dala uskutečnit na dálku, a potenciálně i automaticky bez nutnosti specializovaného odborníka.

Samodiagnostika bez nutnosti lékáře

Jaycee Kaufman, vedoucí autor přelomové studie a vědecký pracovník z laboratoří Klick Labs, se podělil o přesvědčivé důkazy o rozpoznatelných hlasových rozdílech mezi osobami s diabetem typu 2 a osobami bez onemocnění. Kaufman a jeho tým, který se podílí na vývoji softwaru zamýšleného pro komerční využití, věří, že jejich výzkum může revolucionizovat současný přístup ke screeningovým (diagnostickým) procesům v oblasti diabetes.

Kaufman je optimistický zejména ohledně potenciálu jejich AI, která by mohla transformovat současné praktiky screeningu diabetu ve zdravotnictví. Přestože tato technologie stojí na prahu inovace v lékařském světě, její úspěšná integrace do klinické praxe bude vyžadovat značné úsilí. Výzkum musí projít procesem validace, a je zde také nutnost získat důvěru a přijetí ze strany lékařských profesionálů.

Nejenže se zdá, že tato technologie nabízí významné výhody v podobě snížení nákladů a zvýšení dostupnosti diagnostických služeb, ale rovněž slibuje i zvýšení komfortu pacientů, kteří by mohli být diagnostikováni bez nutnosti návštěvy zdravotnického zařízení. V nadcházejícím vývoji bude klíčové posoudit přesnost, spolehlivost a integritu AI systémů v reálných klinických podmínkách, aby bylo zajištěno, že tato technologie bude sloužit jako spolehlivý nástroj ve zdravotní péči.

Obrázek 3 – LeonardoAI: A magical cure in the desert

Pro AI model bylo použito až 18 000 hlasových nahrávek

Jaycee Kaufman také zdůrazňuje omezení současných metod detekce diabetu, poukazujíc na jejich časovou náročnost a potřebu fyzické přítomnosti pacientů, což s sebou nese i další logistické a finanční náklady. Vývoj hlasové AI technologie, podle Kaufmana, otevírá dveře k eliminaci těchto bariér, nabízí rychlejší, efektivnější a pacientům přívětivější řešení.

Za tímto účelem vědecký tým z Klick Applied Sciences v Kanadě, ve spolupráci s akademickými odborníky z Ontarijské technické univerzity, inicioval rozsáhlý výzkumný projekt. Tento projekt využíval hlasová data shromážděná od obyvatel Indie, čítající 267 jednotlivců. Diverzifikovaný vzorek obsahoval jak osoby zhruba 72 % osob (79 žen a 113 mužů) diagnostikovaných s diabetem typu 2, tak i osoby bez diabetu (18 žen a 57 mužů).

V průběhu dvoutýdenní studie účastníci poskytli celkem 18 000 hlasových záznamů, kdy opakovali jednu frázi šestkrát denně. Z těchto dat bylo následně možné identifikovat čtrnáct hlasových atributů, které se lišily mezi diabetiky a zbytkem populace. Zejména čtyři z těchto hlasových charakteristik přispěly k vysoké přesnosti AI při diagnostice diabetu typu 2. Zajímavostí také bylo, že AI algoritmus byl více přesný u žen, dosahujíc úspěšnosti diagnostiky 89 procent, ve srovnání s 86 procenty u mužů.

Obrázek 4 – LeonardoAI: A Beautiful horse in the river

Závěr

Ačkoli se jedná rozhodně o dobré zprávy, zachoval bych jistou skepticitu. V prvé řadě si myslím, že by měly být provedeny další studie, které kromě indických obyvatel do participace zahrnou i obyvatele jiných národností a předešlo se tak možnému zkreslení. Dále by také bylo vhodné do průzkumu zapojit více lidí, kteří by se od sebe lišili v etnice, pohlaví, věku, způsobu života apod.

I přes tuto kritičnost je ale potenciál metody obrovský – představuje totiž značné zjednodušení procesu diagnostikování, snížení břemene na pacienty a zdravotní systémy, a možnost rychlejší a širší dostupnosti diagnostických testů. 

Závěrem tak lze zdůraznit velký potenciál hlasové analýzy jako nástroje pro ranou detekci nebo sledování diabetu typu 2, zejména pokud je doplněna o další známé rizikové faktory spojené s tímto onemocněním. Takový přístup by mohl přinést revoluci v oblasti preventivní medicíny a managementu chronických nemocí, což by potenciálně vedlo ke zlepšení zdravotních výsledků a snížení celkových nákladů na zdravotní péči.

Shrnutí

• Kanadští vědci představili průlomovou metodu, umožňující algoritmům umělé inteligence diagnostikovat diabetes typu 2 analyzováním hlasových vzorků trvajících 6-10 sekund, což by mohlo výrazně ušetřit náklady a zefektivnit diagnostiku.
• Studie identifikovala 14 hlasových markerů spojených s diabetes typu 2 a zahrnula biometrická data jako věk a pohlaví do AI algoritmů, zvyšujících jejich diagnostickou přesnost.
• Vedoucí výzkumu Jaycee Kaufman z Klick Labs uvádí, že hlasová AI může revolucionalizovat screening diabetu díky snadnému a efektivnímu způsobu diagnostiky na dálku bez nutnosti návštěvy zdravotního zařízení.
• Výsledky ukazují vysokou přesnost AI v diagnostice žen (89 %) ve srovnání s muži (86 %) a podtrhují potřebu dalšího výzkumu a validace této technologie před jejím nasazením do klinické praxe.