28 سپتامبر 2026- آیا می‌دانستید صدای شما می‌تواند نشانه‌های دیابت را فاش کند؟ پژوهش ارائه شده در نشست سالانه EASD نشان داد که با تحلیل تنها چند ثانیه از گفتار افراد توسط هوش مصنوعی، می‌توان دیابت نوع ۲را شناسایی کرد. این روش نوین، ابزاری سریع و غیرتهاجمی را برای غربالگری گسترده این بیماری در اختیار پزشکان قرار می‌دهد.

دیابت نوع ۲ به‌طور روزافزونی در حال شیوع است و تشخیص زودهنگام آن، کلید اصلی پیشگیری از عوارضی نظیر بیماری‌های قلبی و آسیب‌های عصبی است. با این حال، بسیاری از موارد تشخیص داده نمی‌شوند که این امر فشار زیادی بر سیستم‌های مراقبت بهداشتی وارد می‌کند. برای مثال در بریتانیا، حدود ۳۰٪ از مبتلایان تشخیص داده نشده‌اند و حدود ۶۰٪ از ۱۰.۷ میلیارد پوند بودجه سالانه سرویس سلامت همگانی بریتانیا (NHS) صرف مدیریت عوارض این بیماری می‌شود.

روش‌های غربالگری فعلی شامل آزمایش خون یا مراجعه به پزشک عمومی است. برای نمونه،  NHSغربالگری دیابت را در قالب چک‌آپ‌های سلامت که هر پنج سال یک‌بار به افراد بالای ۴۰ سال ارائه می‌شود، گنجانده است؛ اما به گفته نویسندگان مطالعه، کمتر از نیمی از بزرگسالان واجد شرایط (۴۰.۴٪) در این قرارهای ملاقات که مفید اما زمان‌بر هستند، شرکت می‌کنند.

پژوهش‌های قبلی، دیابت نوع ۲ را با تغییراتی در گفتار، مانند افزایش گرفتگی و خشونت صدا و کاهش کنترل تنفس و صدا هنگام صحبت کردن، مرتبط دانسته‌اند. محققان شرکت فناوری بنیادین و پیشرفتۀ thymia، به سرپرستی پژوهشگران ارشد یادگیری ماشین، روزلاین پول و دکتر الیزا بران، با همکاری همکارانی از دانشگاه  RMITملبورن، برای توسعه یک مدل هوش مصنوعی جهت شناسایی این تغییرات همکاری کردند. آن‌ها این مدل را با استفاده از ۶۳,۲۸۳ نمونه صوتی از ۲۱,۱۲۹ فرد در بریتانیا و آمریکا آموزش دادند که وضعیت تشخیص دیابت خود را گزارش کرده بودند.

سپس آن‌ها این مدل را با استفاده از ضبط‌های ۲۰ ثانیه‌ای از افراد در حال خواندن یکی از حکایت‌های ازوپ[1] آزمایش کردند. در اولین ارزیابی، مدل توانست در ۸۰٪ موارد، افراد مبتلا به دیابت را با امتیاز خطر بالاتری نسبت به افراد غیرمبتلا متمایز کند که این نتیجه از نظر بالینی بسیار کاربردی است. عملکرد مدل در جنسیت‌ها و سنین مختلف خوب بود، اما دقت آن در شرکت‌کنندگان سیاه‌پوست (به دلیل تعداد کم نمونه) و افرادی که مبتلا به بیماری‌های قلبی، فشار خون بالا یا چاقی بودند (به دلیل شباهت علائم صوتی این بیماری‌ها با دیابت) کمتر بود.

در دومین ارزیابی، از گروهی استفاده شد که آزمایش خون HbA1c(استاندارد طلایی برای سنجش میانگین قند خون در ۲-۳ ماه گذشته و تشخیص پیش‌دیابت) را در منزل انجام داده بودند. در این مرحله، مدل در ۷۵٪ موارد، افراد مبتلا به دیابت را به‌درستی شناسایی کرد. حساسیت مدل ۸۲٪ بود (یعنی ۸۲٪ از افراد مبتلا را به‌درستی شناسایی کرد) و نرخ مثبت کاذب آن ۴۷٪ بود. مدل همچنین توانست افراد را بر اساس نتایج آزمایش خون به گروه‌های کم‌خطر، میان‌خطر و پرخطر تقسیم‌بندی کند؛ به‌طوری که هیچ‌یک از افراد در گروه «کم‌خطر»، نتایج آزمایش خون در محدوده دیابت یا پیش‌دیابت نداشتند.

محققان نتیجه گیری کردند که دیابت نوع ۲ را می‌توان از طریق ۲۰ ثانیه صحبت کردن با ابزار هوش مصنوعی تشخیص داد. در صورت تأیید نهایی، پزشکان می‌توانند از این ضبط‌های کوتاه برای اولویت‌بندی بیماران استفاده کنند؛ یعنی افرادی که در معرض خطر بالا تشخیص داده می‌شوند، سپس برای تأیید نهایی به آزمایش خون ارجاع داده شوند. این روش جایگزین آزمایش خون نخواهد بود، بلکه در کنار آن قرار می‌گیرد.

گیدره چپاکایتی، پژوهشگر شرکت thymia، می‌گوید: «این ابزار پتانسیل تغییر روش غربالگری را دارد. نمونه صوتی را می‌توان از طریق تلفن یا اپلیکیشن دریافت کرد، بنابراین می‌توانیم به افراد بسیار بیشتری که نیاز به آزمایش خون دارند (به‌ویژه کسانی که هرگز برای چک‌آپ مراجعه نمی‌کنند) دسترسی پیدا کنیم. این ابزار نباید مانع از مراجعه افراد مشکوک برای آزمایش خون شود، بلکه مسیری جدید برای شناسایی سریع‌تر باز می‌کند.»

منبع:

https://medicalxpress.com/news/2026-09-seconds-speech-diabetes-ai-based.html