Adnkronos (Adnkronos) – Sprechen Sie mit künstlicher Intelligenz. Und schon in 20 Sekunden kann sie Ihnen sagen, ob Ihre Stimme Anzeichen für Typ-2-Diabetes aufweist. Laut einer neuen Studie, die auf dem Jahreskongress der Europäischen Gesellschaft für Diabetesforschung (EASD) in Mailand (noch bis zum 2. Oktober) vorgestellt wurde, könnte das System zur Sprachanalyse ein neues Instrument für schnelles, nicht-invasives und leicht skalierbares Screening werden.
Die Autoren demonstrierten, dass es möglich ist, Anzeichen der Blutarmut zu erkennen, indem man einfach einen kurzen Audioausschnitt in ein KI-Modell einspielt, das in der Lage ist, diese Anzeichen allein durch die Analyse der Sprechweise einer Person zu erkennen.
Die Studie ist die größte ihrer Art und kommt zu dem Schluss, dass die Analyse dieser kurzen Sprachaufnahmen mithilfe künstlicher Intelligenz hilfreich sein könnte.
Typ-2-Diabetes tritt immer häufiger auf, und eine frühzeitige Diagnose ist entscheidend, um Komplikationen wie Herzerkrankungen und Nervenschäden vorzubeugen. Viele Fälle bleiben jedoch lange Zeit unentdeckt und belasten das Gesundheitssystem. Allein in Großbritannien, so die Autoren, bleiben beispielsweise etwa 30 % der Fälle unentdeckt, und rund 60 % der 10,7 Milliarden Pfund, die der Nationale Gesundheitsdienst (NHS) jährlich für Diabetes ausgibt, fließen in die Behandlung von Komplikationen.
Dies, obwohl der NHS (National Health Service) die Diabetes-Vorsorgeuntersuchung in die alle fünf Jahre angebotenen Gesundheitschecks für über 40-Jährige aufnimmt. Tatsächlich nehmen weniger als die Hälfte der berechtigten Erwachsenen (40,4 %) diese Untersuchungen in Anspruch. Experten zufolge sind diese Untersuchungen zwar „nützlich, aber zeitaufwändig“.
Doch wie lässt sich KI mit Audio verknüpfen? Frühere Studien brachten Typ-2-Diabetes mit Sprachveränderungen in Verbindung, wie etwa zunehmender Heiserkeit und rauer Stimme sowie einer verminderten Fähigkeit, Atmung und Stimme im Gespräch zu kontrollieren. Basierend auf diesen Beobachtungen entwickelten Forscher des Deep-Tech-Unternehmens Thymia unter der Leitung von Roseline Polle (Senior Machine Learning Researcher) und Elisa Brann (Senior Research Scientist) in Zusammenarbeit mit Kollegen der RMIT University in Melbourne (Australien) ein KI-Modell, das solche Stimmveränderungen erkennen kann. Sie trainierten es mit 63.283 Sprachproben von 21.129 Personen aus Großbritannien und den USA, die zuvor angegeben hatten, ob bei ihnen Diabetes diagnostiziert wurde oder nicht. Die Experten testeten und validierten das Sprachmodell anhand von 20-sekündigen Fernaufnahmen, in denen die Teilnehmer eine Fabel von Äsop vorlasen.
Die erste von zwei Evaluierungen verglich die Leistung des Modells anhand von Aufnahmen von 7.319 Erwachsenen in Großbritannien (67 % Frauen, 45,8 % über 40 Jahre, 217 mit selbstberichteter Typ-2-Diabetes-Erkrankung). Dabei zeigte sich, dass das Stimmmodell in 80 % der Fälle Personen mit selbstberichteter Typ-2-Diabetes-Erkrankung einen höheren Risikoscore zuwies als Personen ohne diese Erkrankung – ein Ergebnis, das als klinisch relevant eingestuft wird. Die KI schnitt unabhängig von Geschlecht und Alter gut ab. Die Leistung war jedoch bei Aufnahmen von Schwarzen geringer (vermutlich aufgrund der geringen Anzahl von Teilnehmenden mit selbstberichteter Typ-2-Diabetes-Erkrankung in dieser Gruppe, so die Autoren). Auch bei Aufnahmen von Personen mit Herzerkrankungen, Bluthochdruck oder Adipositas war die Leistung geringer. Die Autoren vermuten, dass dies daran liegt, dass diese Erkrankungen häufig mit Typ-2-Diabetes einhergehen und ähnliche Stimmveränderungen hervorrufen können.
Die zweite Auswertung umfasste eine Untergruppe von 801 Teilnehmern, die innerhalb von drei Monaten nach der Sprachaufnahme einen HbA1c-Test zu Hause durchführten. Dieser Bluttest misst den durchschnittlichen Blutzuckerspiegel der letzten zwei bis drei Monate und gilt als Goldstandard für die Diagnose von Typ-2-Diabetes. Er kann auch zur Erkennung von Prädiabetes eingesetzt werden.
Das verwendete Sprachanalysemodell stufte Menschen mit Diabetes in 75 % der Fälle höher ein als Menschen ohne Diabetes. Die Sensitivität lag bei 82 % (d. h., das Modell erkannte 82 % der Menschen mit Typ-2-Diabetes korrekt), die Falsch-Positiv-Rate bei 47 %. Die KI konnte zudem anhand ihrer HbA1c-Werte zwischen Personen mit niedrigem, mittlerem und hohem Risiko für Typ-2-Diabetes unterscheiden. Keine der vom Modell als risikoarm eingestuften Personen wies Blutwerte im Bereich von Diabetes oder Prädiabetes auf.
Die Forscher kommen zu dem Schluss, dass es daher möglich ist, Typ-2-Diabetes mit klinisch relevanter Genauigkeit durch die Analyse von nur 20 Sekunden Sprache zu erkennen. Bis zur weiteren klinischen Validierung des Verfahrens könnten Hausärzte kurze Sprachaufnahmen zur Triage von Patienten nutzen. Personen mit höherem Risiko könnten Bluttests zur Bestätigung der Diagnose verschrieben werden. Das Screening mittels Sprachanalyse würde Bluttests ergänzen, nicht ersetzen, betonen die Autoren. Giedrė Čepukaitytė, Forscherin bei Thymia, kommentiert: „Dies ist die bisher größte Real-World-Studie zum Sprach-Screening auf Typ-2-Diabetes. Die Vorhersagen des Modells wurden mit Bluttestergebnissen und der Selbstdiagnose verglichen. Personen, die als Hochrisikopatienten eingestuft wurden, wiesen tatsächlich Blutwerte auf, die dieser Einstufung entsprachen. Dieser Ansatz“, so schlussfolgert sie, „hat das Potenzial, Screening-Methoden grundlegend zu verändern. Eine Sprachprobe kann telefonisch oder per App erfasst werden, wodurch wir deutlich mehr Menschen erreichen können.“
-
Chronik
webinfo@adnkronos.com (Web-Info)