
Διαβήτης: Σύστημα ΑΙ κάνει τη διάγνωση σε δευτερόλεπτα από τη φωνή των πασχόντων
Ο διαβήτης τύπου 2 προκαλεί χαρακτηριστικές αλλαγές στην φωνή των πασχόντων, που ανιχνεύει το νέο σύστημα.
Ο διαβήτης τύπου 2 θα μπορούσε στο εγγύς μέλλον να ανιχνεύεται από την φωνή μας, με τη βοήθεια μιας εξέτασης που βασίζεται στην τεχνητή νοημοσύνη, αναφέρουν επιστήμονες από την Αυστραλία.
Το μόνο που θα απαιτείται θα είναι μία ηχογράφηση της φωνής, διαρκείας 20 δευτερολέπτων, σε κάποια εφαρμογή.
Η σχετική μελέτη είναι η μεγαλύτερη του είδους. Απέδειξε ότι η ανάλυση της φωνής από την τεχνητή νοημοσύνη μπορεί να αποτελεί ένα γρήγορο, μη επεμβατικό διαγνωστικό εργαλείο για τη νόσο.
Η νέα εξέλιξη παρουσιάσθηκε στο ετήσιο συνέδριο της Ευρωπαϊκής Εταιρείας για τη Μελέτη του Διαβήτη (EASD 2026). Το συνέδριο άρχισε χθες τις εργασίες του στο Μιλάνο, της Ιταλίας.
Ο διαβήτης τύπου 2 είναι η πιο συχνή μορφή σακχαρώδους διαβήτη. Προσβάλλει περισσότερους από έναν στους 10 ενήλικες στη χώρα μας. Προς το παρόν διαγιγνώσκεται με αιματολογικές εξετάσεις.
Κατ’ αυτές αξιολογείται η γλυκόζη νηστείας (σάκχαρο το πρωί, όταν είμαστε νηστικοί) και η γλυκοζυλιωμένη αιμοσφαιρίνη (HbA1c). Η πρωτεΐνη αυτή αντιπροσωπεύει τα επίπεδα σακχάρου κατά τους τελευταίους 2-3 μήνες. Μπορεί επίσης να γίνει καμπύλη γλυκόζης (σακχάρου).
Οι εξετάσεις αυτές τυπικά εκτελούνται σε ασθενείς με συμπτώματα ή στο πλαίσιο του καθιερωμένου ετήσιου τσεκ απ μετά τα 40 έτη.
Η έγκαιρη διάγνωση της νόσου, όμως, έχει κομβική σημασία για την προστασία από σοβαρές επιπλοκές, όπως η καρδιοπάθεια και η νευροπάθεια. Ωστόσο σημαντικό ποσοστό πασχόντων δεν γνωρίζουν ότι νοσούν, διότι δεν κάνουν εξετάσεις. Υπολογίζεται ότι αυτό συμβαίνει στο τουλάχιστον 30% των περιπτώσεων.
Αλλαγές στη φωνή
Ο διαβήτης προκαλεί πολλά συμπτώματα. Τα πιο γνωστά, ενδεχομένως, είναι η πολυφαγία, η πολυδιψία και η πολυουρία, προγενέστερες μελέτες έχουν δείξει ότι προκαλεί και αλλαγές στη φωνή. Οι αλλαγές αυτές είναι:
- Βραχνάδα και τραχύτητα
- Μειωμένος έλεγχος της αναπνοής και της φωνής κατά την ομιλία
Οι επιστήμονες από το Πανεπιστήμιο RMIT στη Μελβούρνη και άλλα ερευνητικά κέντρα, ανέπτυξαν ένα σύστημα τεχνητής νοημοσύνης που μπορεί να ανιχνεύει αυτές τις αλλαγές.
Το σύστημα «εκπαιδεύτηκε» με βάση 63.283 δείγματα φωνής από 21.129 εθελοντές σε Βρετανία και ΗΠΑ. Όλοι τους ανέφεραν εάν είχαν διαγνωστεί με διαβήτη τύπου 2.
Στη συνέχεια, το σύστημα δοκιμάσθηκε σε δύο ξεχωριστές μελέτες, με χιλιάδες εθελοντές. Οι εθελοντές διάβαζαν αποσπάσματα διαρκείας 20 δευτερολέπτων από μύθους του Αισώπου.
Δύο μελέτες
Στην πρώτη μελέτη συμμετείχαν 7.319 εθελοντές από τη Βρετανία. Το 67% ήταν γυναίκες. Το 46% είχαν ηλικία 40 ετών και άνω. Οι 217 έπασχαν από διαβήτη τύπου 2.
Το νέο σύστημα αναγνώρισε με ακρίβεια 80% τους διαβητικούς ασθενείς. Το ποσοστό αυτό θεωρείται κλινικά σημαντικό. Η εξέταση απέδωσε εξίσου καλά σε άνδρες και γυναίκες, καθώς και σε όλες τις ηλικίες.
Ωστόσο η υποκείμενη κατάσταση της υγείας φάνηκε να επηρεάζει την αποτελεσματικότητά του. Οι επιδόσεις του ήταν χαμηλότερες στους εθελοντές που είχαν ταυτοχρόνως καρδιοπάθεια, υπέρταση ή παχυσαρκία.
Ο διαβήτης τύπου 2 συχνά συνυπάρχει με αυτά τα προβλήματα υγείας, τα οποία επίσης μπορεί να επηρεάσουν τη φωνή, λένε οι ερευνητές.
Στην δεύτερη μελέτη εντάχθηκαν 801 εθελοντές, οι οποίοι υποβλήθηκαν και σε μέτρηση της HbA1c. Η μέτρηση έγινε εντός 3 μηνών από την εξέταση της φωνής τους.
Σε αυτή την περίπτωση, το σύστημα αναγνώρισε τους πάσχοντες από διαβήτη τύπου 2 με ακρίβεια 82%. Είχε όμως και υψηλό ποσοστό ψευδώς θετικών αποτελεσμάτων (έφτασε στο 47%).
Σε συνδυασμό με τα αποτελέσματα της HbA1c, το σύστημα έδειξε με μεγάλη ακρίβεια εάν κάποιος είχε χαμηλό, μέτριο ή υψηλό κίνδυνο να εκδηλώσει διαβήτη τύπου 2. Στην πραγματικότητα, κανένας από τους συμμετέχοντες που χαρακτηρίσθηκαν ως χαμηλού κινδύνου, δεν είχε HbA1c στα επίπεδα του προδιαβήτη ή του διαβήτη.
Οι ερευνητές προγραμματίζουν τώρα να δοκιμάσουν το μοντέλο τους στην κλινική πρακτική. Θέλουν επίσης να εντάξουν περισσότερα στοιχεία και να κατανοήσουν γιατί δεν αποδίδει σε όλους τους ασθενείς.
Φωτογραφία: iStock
Δημοσιεύτηκε ! 2026-09-29 12:31:00
