声学分析和预测2型糖尿病使用智能手机录制的语音段
Jaycee M Kaufman1, Anirudh Thommandram1, Yan Fossat1,2
1Klick Applied Sciences, Klick Inc, Toronto, Canada.
Mayo Clinic proceedings. Digital health
|April 10, 2025
概括
语音分析可以检测2型糖尿病 (T2DM) 患者的声音变化. 这项研究表明,语音分析具有作为T2DM预查和监测的非侵入性工具的潜力.
科学领域:
- 生物医学工程 生物医学工程
- 眼科医生 眼科 眼科
- 内分泌学 在内分泌学.
背景情况:
- 2型糖尿病 (T2DM) 是一个全球性的健康问题.
- 早期发现和监测T2DM对于有效管理至关重要.
- 需要非侵入性诊断工具来补充现有方法.
研究的目的:
- 探索语音分析对于T2DM检测的实用性.
- 识别声学特征,区分T2DM和没有T2DM的个体.
- 开发一个基于语音的T2DM状态预测模型.
主要方法:
- 267名参与者 (非糖尿病人和T2DM) 在两周内通过智能手机应用程序提供了语音录音.
- 18,465个语音录音被分析了14个声学特征.
- 机器学习模型被用来根据声学特征,年龄和BMI来预测T2DM状态.
主要成果:
- 在非糖尿病患者和T2DM患者之间观察到声音特征 (音调,动,闪,强度) 的显著差异.
- 在与年龄和BMI相结合时,语音分析实现了0.75±0.22的女性和0.70±0.10的男性的预测准确度.
- 音调和强度等特定特征显示出高预测能力.
结论:
- 在T2DM患者中,声乐特征发生变化.
- 语音分析显示出作为T2DM非侵入性预先查或监测工具的潜力.
- 将语音分析与其他风险因素结合起来,可能会提高T2DM预测的准确性.
