恩多的声音:利用语音为智能系统,可以预测疾病爆发

科学领域:

• 人与计算机的交互
• 数字健康数字健康
• 慢性疾病管理 慢性疾病管理

背景情况:

• 管理复杂的慢性疾病,如子宫内膜异位症,由于不可预测的症状恶化 (爆发) 带来了重大挑战.
• 目前用于跟踪和预测这些爆发的方法通常是有限的,影响患者的生活质量和治疗疗效.
• 越来越多的人对利用语音等新型数据模式对以患者为中心的健康监测感兴趣.

研究的目的:

• 探索使用语音分析在患有子宫内膜异位症的个体中进行自动爆发预测的可行性和用户感知.
• 了解参与者对日常语音录制的经验,以及他们对其在治疗慢性病的潜在有用性的看法.
• 确定开发以人为中心的人工智能工具的机遇和挑战,这些工具将语音数据纳入慢性疾病管理中.

主要方法:

• 进行了一项为期六周的投机性设计研究,参与者被诊断患有子宫内膜异位症.
• 参与者被指示每天提供语音记录,并在整个研究期间保持症状日志.
• 研究后聘请了重点小组,收集有关用户体验和对语音捕捉技术的感知定性数据,以预测爆发.

主要成果:

• 参与者对语音分析对预测子宫内膜异位症爆发的潜力表达了显著的热情和好奇心.
• 录制语音的行为提供了感知到的好处,包括情感支持和每日和整体疾病经验的验证.
• 参与者的语音录音经常集中在他们的子宫内膜异位症症状上,这表明内容分析有可能为预测模型提供信息.

结论:

• 语音分析提供了一个有希望的,以人为中心的方法,用于开发复杂的慢性疾病如子宫内膜异位症的自动爆发预测工具.
• 语音录音的主观体验本身可能提供治疗效益,补充客观健康数据.
• 需要进一步的研究来解决将语音数据集成到人工智能驱动的医疗支持系统中的技术和伦理挑战.