Изменения в работе организма не всегда заметны человеку и могут проявляться в самых разных формах. Даже голос, который мы привыкли воспринимать лишь как средство общения, может содержать признаки, связанные с состоянием здоровья. Исследователи изучают, способны ли алгоритмы искусственного интеллекта находить такие закономерности и использовать их для выявления заболеваний. О том, какие особенности голоса связаны с диабетом второго типа, — в материале «Известий».

Исследователи изучили связь между особенностями голоса и диабетом второго типа. Результаты опубликованы в журнале IEEE Journal of Biomedical and Health Informatics (J-BHI). Ученые проанализировали 14 759 голосовых записей 461 взрослого человека. Участники записывали на смартфоны короткие предложения на английском языке, выбранные случайным образом.

Для анализа использовали только голосовые записи и пол участников. На их основе исследователи обучили модели отдельно для женщин и мужчин. Такой подход позволил искать акустические закономерности, связанные с диабетом второго типа, без необходимости заранее отбирать конкретные характеристики голоса.

Сначала записи преобразовали в спектрограммы — визуальные карты, показывающие частоты звука и их изменения во времени. Затем их обработала модель, которая позволяет выявлять сложные сочетания акустических признаков непосредственно в аудиоданных.

В отличие от подхода, при котором алгоритм анализирует заранее выбранные параметры, новая модель могла учитывать связи между разными частотами и их изменениями с течением времени. Речь идет, в частности, о более сложных сочетаниях характеристик, которые могут оставаться незаметными при изучении отдельных параметров.

Ян Фоссат, старший вице-президент по исследованиям и разработкам в области цифрового здравоохранения Klick Applied Sciences и руководитель исследования

Теперь мы буквально можем увидеть гораздо больше признаков диабета в голосовых биомаркерах. Выявив взаимосвязи между частотами и временем, мы расширили наш анализ за пределы мерцания, дрожания и других предопределенных характеристик голоса и обнаружили сложные комбинации акустических паттернов и характеристик, которые ранее не были в поле зрения исследователей.

Сбалансированная точность модели составила 71,3% для женщин и 72,4% для мужчин. Этот показатель учитывает способность алгоритма распознавать как людей с диабетом, так и людей без заболевания, придавая обеим группам одинаковый вес. Другой показатель — площадь под ROC-кривой — достиг 0,788 для женщин и 0,779 для мужчин.

Работа продолжает исследование 2023 года, опубликованное в журнале Mayo Clinic Proceedings: Digital Health. Тогда ученые выявили 14 заранее определенных акустических характеристик, связанных с диабетом второго типа. Среди них были высота и интенсивность голоса, а также шиммер и джиттер — показатели колебаний характеристик звукового сигнала.

Тогда обычная точность модели составила 89% для женщин и 86% для мужчин. Однако напрямую сравнивать эти результаты с новой работой нельзя: исследования различались по входным данным, методам анализа, способам проверки моделей и наборам данных. Поэтому разница в цифрах сама по себе не означает, что новая модель работает хуже.

Авторы рассматривают голосовые биомаркеры как перспективное направление для дальнейшего изучения связи между речью и диабетом второго типа. По словам Фоссата, исследователи обнаружили сложные сочетания акустических признаков, которые не были в центре внимания при использовании заранее заданных параметров голоса. Команда намерена продолжить изучение таких закономерностей.

При этом результаты показывают связь между особенностями голосовых записей и диабетом, а не подтверждают, что по голосу уже можно надежно диагностировать заболевание. Для практического применения подобного подхода необходима дальнейшая проверка. На данном этапе исследование не дает оснований считать голосовой анализ заменой стандартным методам диагностики, в том числе анализам крови.