sciencetalk

Bij heel veel ziektes wordt kunstmatige intelligentie (AI) gebruikt en nu is daar diabetes bij gekomen.Via deze weg kan door iemands stem te horen worden vastgesteld of diegene diabetes heeft. Dat kan de diagnose zeer versnellen, waardoor behandeling ook eerder kan starten.

Een baanbrekende studie door wetenschappers van Klick Labs in de Verenigde Staten heeft aangetoond dat het bepalen of iemand diabetes heeft net zo eenvoudig kan zijn als het laten spreken van een paar zinnen in een smartphone. De combinatie van voice-technologie en kunstmatige intelligentie stelde onderzoekers in staat een AI-model te creëren dat met 89% nauwkeurigheid bij vrouwen kan vaststellen of iemand Type 2 diabetes heeft en met 86% nauwkeurigheid bij mannen.

De studie, gedetailleerd beschreven in het tijdschrift Mayo Clinic Proceedings: Digital Health, omvatte vragen aan 267 mensen (met of zonder de diagnose diabetes type 2) om gedurende twee weken zes keer per dag een specifieke zin op te nemen in hun smartphone. Uit meer dan 18.000 opnames analyseerden wetenschappers 14 akoestische kenmerken om verschillen te vinden tussen mensen zonder diabetes en mensen met diabetes type 2.

“Ons onderzoek brengt belangrijke stemvariaties tussen mensen met en zonder Type 2 diabetes naar voren en zou de manier van screenen op diabetes op zijn kop kunnen zetten,” zei Jaycee Kaufman, eerste schrijver van het artikel en onderzoekswetenschapper bij Klick Labs. “Huidige methoden van detectie kunnen voor een groot deel bestaan uit tijd, reizen en geld. Voice-technologie biedt de mogelijkheid om deze barrières te slechten.”

Het Klick Labs team keek naar een aantal stemkenmerken, zoals veranderingen in toonhoogte en intensiteit die niet door het menselijk oor kunnen worden waargenomen.

Lees verder:
https://www.klick.com/news/ai-and-10-se ... ayo-clinic
https://scientias.nl/ai-kan-aan-je-stem ... op-zetten/
https://ts2.space/nl/voice-technologie- ... -diabetes/

Is er ook een (plausibele) pathofysiologische gedachte waarom dit zou werken? En waarom alleen type 2? Is het niet zo dat deze analyse aantoont dat iemand "meer spek dan spieren" heeft en dus automatisch grotere kans op insulineresistentie? Daarvoor hoeft iemand niet eens zijn mond open te doen, maar dat zie ik zo al als ze mijn spreekkamer binnenlopen...

Er is een matching gedaan tussen controle groep en T2DM groep op basis van BMI. Dus dat is geen verklaring. In de discussie staat:

For example, muscle weakness and atrophy, which have been linked to vocal weakness and instability,7 occur in T2DM and are more common in men with T2DM than in women with T2DM.37 On contrary, women with T2DM are more likely to experience high extracellular water content and edema.38 Swelling and edema of the vocal cords reduce the pitch and vibratory characteristics, resulting in a parameter decrease similar to what was seen in our results.39 Laryngoscopy and visualization of the vocal cords in T2DM should be performed in future studies to confirm these findings. Furthermore, cognitive function decline and major depressive disorder (MDD) occur at a higher prevalence in women with T2DM than in men with T2DM ,9,40 and peripheral neuropathy occurs at a higher prevalence in men with T2DM .41 Cognitive impairment has been shown to have a significant effect on the voice with strong predictive capabilities,10 and MDD has been linked to voice changes such as slower speech and a lower pitch.13 Sex differences in T2DM have become increasingly prominent, as seen in the contrasting predictive features, and future research should carefully account for this for a more comprehensive insight.

Dit is een zeer povere verklaring; oedeem en/of atrofie zijn zeer aspecifieke eindpunten, er zijn honderden aanadoeningen te bedenken die tot vergelijkbare veranderingen kunnen leiden. Denk bijvoorbeeld aan gegeneraliseerde vochtretentie bij congestief hartfalen. Kunnen we straks ook LVEF schatten op basis van toonhoogte? Om nog maar te zwijgen over Reinke’s oedeem bij rokers, etc. etc.

Precies, ik twijfel ook aan de causaliteit zou ik zeggen. Ik geloof zeker dat een oorzaak diabetes een effect op de stem kan hebben en interessant om te weten (maar wat de de referentie stem/geluid binnen een patient, maar dat is een andere vraag). En is roken niet het onderliggende verband gerelateerd aan meerdere ziekten? Maar draai het eens om, welke andere oorzaken of gemeenzame gewoonten kunnen ook een effect hebben op de stem? Dan word het verhaal een stuk ingewikkelder.

Deze zin vind ik nogal slag om de arm houden. Men sluit niet uit dat diabetes 2 de enige oorzaak kan zijn:

“Ons onderzoek laat zien dat er een gigantisch potentieel is voor stemtechnologie bij het identificeren van diabetes type 2, en andere ziekten en stoornissen”, aldus de vicevoorzitter van Klick Labs.

In hoeverre men diabetes een oorzaak kan noemen. Dat is ook het gevolg van leefstijl volgens mijn weten of zelfs sommige medicijnen. De causaliteit blijft een zwak punt volgens mij.

Je moet de resultaten wel relativeren. Ze vertrekken van bvb 113 mannen en komen dan tot een specificiteit van 0.70±0.13 en sensitiviteit van 0.49±0.09. Als je dan een model hebt met veel parameters, dan kan je hieruit zomaar niet concluderen dat je T2DM kan diagnosticeren.

Ik heb de getallen uit de studie niet gecheckt, maar ik ben erg benieuwd hoe ze met zulke matige testkarakteristieken (i.e., sensitiviteit en specificiteit) uitkomen op een “nauwkeurigheid” (wat dat ook moge zijn) van 89% en 86% voor vrouwen en mannen, respectievelijk…

nauwkeurigheid = accuracy = aantal correcte assessments / aantal assessments

Die hogere nauwkeurigheden worden gehaald in de modellen waarin ook leeftijd en BMI meegenomen zijn.

Nogmaals, ik heb het stuk niet kritisch doorgelezen, maar bedoel je te zeggen dat de matige voorspellende waarde wordt behaald o.b.v. enkel stem als parameter en hogere voorspellende waarde zodra stem, leeftijd én BMI worden meegenomen?

De onderzoekers zijn begonnen met datasets gematched op BMI en leeftijd om features te extraheren die interessant zijn. Op basis van die features zijn ze dan machinelearning algoritmes gaan gebruiken om T2DM te gaan voorspellen. Het finale model waarin ook leeftijd en BMI zitten geeft de mooiste resultaten. Dat vind je duidelijk terug in Tabel 3 van hun publicatie die ik hieronder even plaats.

Het komt de auteurs vast niet slecht uit dat “age and BMI”, de twee grootste voorspellers voor diabetes mellitus type 2, als enige geen afzonderlijk kopje is…
Sorry, het idee is origineel, maar er is geen enkele pathofysiologische gedachte waarom stemverandering een zo grote voorspellende waarde voor deze diagnose zou moeten hebben, al was het maar omdat “diabetes mellitus type 2” een heel spectrum aan ernst en subtypes omvat (puur insulineresistent of ook bètaceldisfunctie, “NAFLD-prone”, etc.) met allemaal andere metabole profielen, dus veel te heterogeen om in één maat te vangen. Maar het belangrijkste argument, wat ik al eerder noemde, is dat atrofie van de laryngeale spieren, stembandoedeem, etc. heel aspecifieke “final common pathways” zijn van legio aandoeningen, dus je kunt nooit zo’n hoge specifiteit behalen met zulke aspecifieke markers, tenzij je er tientallen combineert (quod non).