Bochum, 13. November 2023:

In den Mayo Clinic Proceedings – Digital Health (1) wird über die Ergebnisse kanadischer Forscher berichtet, die mithilfe von Künstlicher Intelligenz (KI) anhand von Stimmanalysen einen Typ-2-Diabetes mit hoher Wahrscheinlichkeit voraussagen konnten.

Methodik

Von 2021 bis 2022 wurden 267 Personen in vier Zentren in Indien rekrutiert, die zuvor von ihren Ärzten nach den Kriterien der American Diabetes Association als Menschen ohne Diabetes diagnostiziert worden waren. Sie hatten zwei Wochen lang mindestens 6x täglich die zwei kurzen, 10 sec dauernden Sätze auf ein Smartphone zu sprechen: „Hello, how are you? What is my glucose level right now?“. Insgesamt ergab das 18.465 Aufzeichnungen. Von den 267 Teilnehmern waren zu Studienende unter den  170 männlichen Teilnehmern 113 ohne und 57 mit Typ-2-Diabetes,, unter den 97  weiblichen 79 ohne und 18 mit  Typ-2-Diabetes.

Die Unterschiede der  >18.000 Stimmregistrierungen wurden zwischen den Teilnehmern ohne und mit Typ-2-Diabetes analysiert. Alter und Body Mass Index (BMI) wurden ebenfalls berücksichtigt.

Ergebnisse

Die höchste prädiktive Genauigkeit mit signifikantem Unterschied wurde bei Frauen mit bestimmten KI-Analysekriterien (pitch, pitch SD, relative average pertubation jitter) erzielt, bei Männern mit anderen Kriterien (intensity, 11-pont amplitude pertibation quotient shimmer u.a. ). Bei Berücksichtigung von Alter und BMI konnte eine besonders hohe Genauigkeit erzielt werden.

In der Diskussion wird von den Autoren bezüglich der Methodik darauf hingewiesen, dass die Dauer des Typ-2-Diabetes die Stimme beeinflussen könnte und in zukünftige Studienprotokolle einbezogen werden sollte, ebenso wie auch die kognitive Funktion, demographische Daten und weitere Faktoren.

Abbildung 1: Stimmanalysen (links, blau),  Nüchternglukosewert,  HbA1c und  oraler Glukosetoleranztest (nach Lit. 1)

Schlussfolgerung der Autoren (1)

„The material presented here reports a promising application of voice analysis for T2DM detection…….Our findings highlight the potential of voice analysis as an accessible and cost-effecive screening tool. An implementation of voice assessment could aid in early interventional management of T2DM…“.

Helmut Schatz