۷ مهر ۱۴۰۵ FA EN AR DE FR
فوری
سلامت

ابزاری نوین برای تشخیص دیابت نوع ۲ در چند ثانیه با استفاده از صدا

تشخیص دیابت با صدای شما: انقلابی در روش‌های غربالگری

  • یک ابزار مبتنی بر هوش مصنوعی می‌تواند دیابت نوع ۲ را تنها با تحلیل تغییرات صدا در چند ثانیه تشخیص دهد. این فناوری به تغییر روش‌های سنجش دیابت کمک می‌کند.
توسط · ۱۳ ساعت پیش ۳۲,۲۸۴ بازدید
ابزاری نوین برای تشخیص دیابت نوع ۲ در چند ثانیه با استفاده از صدا
تصویر ابزاری نوین برای تشخیص دیابت نوع ۲ در چند ثانیه با استفاده از صدا — تصویر: تولید هوش مصنوعی

خلاصهٔ خبر

  • تشخیص دیابت با صدای شما: انقلابی در روش‌های غربالگری
  • این خبر به دلیل معرفی یک فناوری نوین در تشخیص دیابت نوع ۲ از طریق تحلیل صدا اهمیت دارد.
  • ۶۳,۰۰۰ نمونه صدا
  • ۲۱,۰۰۰ فرد

ابزاری که از هوش مصنوعی برای تحلیل تغییرات صدا استفاده می‌کند، می‌تواند دیابت نوع ۲ را در عرض چند ثانیه تشخیص دهد. این یافته‌ها توسط محققان در یک مطالعه جدید منتشر شده و نویدبخش تغییرات قابل توجهی در روش‌های تشخیصی دیابت هستند.

تکنولوژی جدید و روش‌های سنجش

این فناوری که توسط محققان شرکت فناوری thymia و دانشگاه RMIT در ملبورن استرالیا توسعه یافته، به کمک ضبط‌های صوتی می‌تواند نشانه‌هایی از دیابت نوع ۲ را شناسایی کند. بیش از شش میلیون نفر در بریتانیا به دیابت مبتلا هستند، در حالی که تنها ۴.۷ میلیون نفر از آن‌ها به طور رسمی تشخیص داده شده‌اند. این بدان معناست که یک سوم از بیماران دیابتی از وضعیت خود بی‌خبر هستند.

علائم دیابت معمولاً به آرامی بروز می‌کنند و شامل خستگی و تشنگی مفرط هستند که می‌توانند به تأخیر در تشخیص منجر شوند. دسترسی محدود به معاینات روتین و تست‌های تشخیصی نیز خود عاملی برای عدم شناسایی به موقع بیماران در معرض خطر است.

تحلیل تغییرات صدا و نشانه‌های دیابت

تحقیقات نشان می‌دهد که تنش صوتی، افزایش خش‌خش صدا و عدم توانایی در کنترل تنفس می‌توانند نشانه‌هایی از دیابت باشند. کیفیت خش‌دار یا خشن صدا در افرادی که کنترل قند خون ضعیفی دارند رایج است، زیرا قند خون بالا می‌تواند به عصب واگ که کنترل‌کننده عضلات جعبه صوتی است آسیب برساند.

همچنین، افراد دیابتی به دلیل افزایش نرخ رفلاکس اسید معده، که باعث تحریک و التهاب حنجره می‌شود، با خش‌خش صدا مواجه هستند. این ابزار جدید با استفاده از بیش از ۶۳,۰۰۰ نمونه صدای ۲۱,۰۰۰ فرد در بریتانیا و ایالات متحده آموزش دیده است.

محققان همچنین این مدل را با استفاده از ضبط‌های ۲۰ ثانیه‌ای از افراد در حال خواندن داستان‌های Aesop آزمایش کردند و نتایج نشان داد که این مدل ۸۰ درصد از زمان، خطر ابتلا به دیابت نوع ۲ را در افرادی که به این بیماری مبتلا بودند به درستی پیش‌بینی کرده است.

در تحلیل دوم، یک زیرگروه ۸۰۱ نفری که تست‌های خون دیابت را در خانه انجام داده بودند، مورد بررسی قرار گرفتند و ابزار هوش مصنوعی موفق شد ۷۵ درصد از زمان خطر ابتلا به دیابت را برای آن‌ها پیش‌بینی کند.

دیابت معمولاً با یک آزمایش خون که میزان متوسط قند خون را در دو تا سه ماه گذشته تعیین می‌کند تشخیص داده می‌شود. این آزمایش برای افرادی که علائم دارند یا در طول معاینات روتین به افراد بین ۴۰ تا ۷۴ سال ارائه می‌شود.

گیدره چپوکایتیت، دانشمند پژوهشی در thymia که یافته‌ها را در کنفرانس European Association for the Study of Diabetes در میلان ارائه خواهد داد، گفت: «این ابزار پتانسیل تغییر روش‌های غربالگری را دارد. این بزرگترین مطالعه واقعی در زمینه غربالگری مبتنی بر صدا برای دیابت نوع ۲ تا به امروز است.»

وی افزود: «نمونه‌های صوتی می‌توانند از طریق تلفن یا اپلیکیشن گرفته شوند، بنابراین می‌توانیم به تعداد بیشتری از افرادی که به تست خون نیاز دارند دسترسی پیدا کنیم، به‌ویژه افرادی که هرگز به معاینه سلامت نمی‌رسند. مدل ما یک مسیر جدید برای غربالگری دیابت باز می‌کند.»

چپوکایتیت تأکید کرد که این ابزار جایگزین آزمایش خون نمی‌شود و هیچ‌کس نباید از گرفتن تست خون خودداری کند. گام بعدی این پژوهش آزمایش مدل در محیط‌های بالینی و درک چگونگی عملکرد آن برای هر گروه از افراد است.

منبع: dailymail.com

چرا این خبر مهم است؟

این خبر به دلیل معرفی یک فناوری نوین در تشخیص دیابت نوع ۲ از طریق تحلیل صدا اهمیت دارد. با توجه به تعداد بالای افراد مبتلا به دیابت که به طور رسمی تشخیص داده نشده‌اند، این ابزار می‌تواند به شناسایی سریع‌تر و آسان‌تر بیماران کمک کند و بهبود دسترسی به خدمات بهداشتی را فراهم آورد.

پیشینه

دیابت نوع ۲ به عنوان یک بیماری مزمن در حال افزایش است و علائم آن معمولاً به آرامی بروز می‌کنند. با توجه به محدودیت‌های موجود در روش‌های تشخیصی سنتی، ابزارهای جدید مانند این فناوری می‌توانند به عنوان راهی برای شناسایی زودهنگام بیماران عمل کنند.

اعداد مهم

– ۶۳,۰۰۰ نمونه صدا
– ۲۱,۰۰۰ فرد
– ۸۰ درصد دقت پیش‌بینی خطر ابتلا به دیابت
– ۷۵ درصد دقت پیش‌بینی در زیرگروه ۸۰۱ نفری