Dites donc : l’IA peut diagnostiquer le diabète de type 2 en 10 secondes à partir de votre voix.

Des chercheurs impliqués dans une récente étude ont formé un modèle d’intelligence artificielle (IA) pour diagnostiquer le diabète de type 2 chez les patients après six à dix secondes d’écoute de leur voix. Les chercheurs médicaux canadiens ont formé la machine d’apprentissage IA pour reconnaître 14 différences vocales dans la voix de quelqu’un atteint de diabète de type 2 par rapport à quelqu’un qui n’en a pas. Les caractéristiques auditives sur lesquelles l’IA s’est concentrée comprenaient de légères modifications de la hauteur et de l’intensité, que les oreilles humaines ne peuvent pas distinguer. Cela a été associé à des données de santé de base recueillies par les chercheurs, telles que l’âge, le sexe, la taille et le poids. Les chercheurs estiment que le modèle IA permettra de réduire considérablement le coût du diagnostic pour les personnes atteintes de diabète. Les gens auraient généralement besoin d’être testés pour le prédiabète et le diabète de type 2 en personne, ce qui implique des tests de diagnostic tels que des prises de sang. L’IA permettrait un diagnostic à distance et automatique. Jaycee Kaufman, première auteure de l’article et chercheuse scientifique chez Klick Labs, qui envisage de commercialiser le logiciel, a expliqué: «Notre recherche met en évidence des variations vocales significatives entre les individus atteints et non atteints de diabète de type 2.» En ce qui concerne l’IA de la société, Kaufman espère qu’elle «transformerait la façon dont la communauté médicale détecte le diabète». Les tests courants utilisés actuellement pour diagnostiquer le diabète de type 2 comprennent le test d’hémoglobine glycosylée (A1C), le test de glycémie à jeun (FBG) et les tests de tolérance au glucose par voie orale (OGTT), qui sont tous des tests en personne. Kaufman a ajouté: «Les méthodes actuelles de détection peuvent nécessiter beaucoup de temps, de déplacements et de coûts. La technologie vocale a le potentiel de supprimer entièrement ces obstacles.» Des scientifiques de Klick Applied Sciences au Canada, travaillant avec des facultés de l’Université Ontario Tech au Canada, ont formé l’IA à l’aide de 267 enregistrements vocaux de personnes vivant en Inde. Environ 72% des participants (79 femmes et 113 hommes) avaient déjà été diagnostiqués comme non diabétiques. Les autres participants (18 femmes et 57 hommes) avaient été diagnostiqués avec un diabète de type 2. Tous les participants ont enregistré une phrase six fois par jour pendant deux semaines, ce qui a donné 18 000 enregistrements. Les scientifiques ont alors repéré 14 différences acoustiques entre ceux qui avaient et n’avaient pas de diabète de type 2. Quatre de ces différences ont aidé l’IA à diagnostiquer plus précisément le diabète de type 2. L’IA a pu diagnostiquer plus précisément les femmes. Elle a diagnostiqué le diabète de type 2 chez 89% des femmes et 86% des hommes. Les résultats de l’étude ont montré que «la hauteur» et «l’écart type de la hauteur» étaient des caractéristiques utiles pour diagnostiquer la condition chez tous les participants, cependant, «le jitter de perturbation moyenne relative» s’est avéré plus utile chez les femmes. «L’intensité» et «le quotient de perturbation d’amplitude de 11 points shimmer» étaient utiles pour diagnostiquer les hommes. L’étude a déclaré: «Chez les femmes, les caractéristiques prédictives étaient la hauteur moyenne, l’écart type de hauteur et le jitter de RAP, et chez les hommes, l’intensité moyenne et le shimmer apq11. En termes simples, la variation de ces caractéristiques a montré que les femmes atteintes de T2DM avaient une hauteur légèrement plus basse avec moins de variation, et que les hommes atteints de T2DM avaient une voix légèrement plus faible avec plus de variation. Ces différences proviennent probablement des différences de manifestation des symptômes de la maladie entre les sexes. » Kaufman a commenté que ces différences trouvées via le traitement des signaux de l’IA entre les voix masculines et féminines étaient «surprenantes». Les chercheurs ont conclu: «L’analyse vocale présente un potentiel en tant que outil de pré-dépistage ou de suivi pour le T2DM, en particulier lorsqu’elle est combinée à d’autres facteurs de risque associés à la condition.» L’étude a été publiée dans le journal Mayo Clinic Proceedings: Digital Health. Administrateur Nick Mills