Penelitian baru yang akan dipresentasikan pada Pertemuan Tahunan Asosiasi Eropa untuk Studi Diabetes (EASD) tahun ini, Madrid (9-13 September), menyoroti potensi penggunaan analisis suara untuk mendeteksi kasus diabetes tipe 2 (T2D) yang tidak terdiagnosis.
Penelitian ini menggunakan rata-rata 25 detik suara orang bersama dengan data kesehatan dasar termasuk usia, jenis kelamin, indeks massa tubuh (BMI), dan status hipertensi, untuk mengembangkan model AI yang dapat membedakan apakah seseorang menderita T2D atau tidak, dengan akurasi 66% pada wanita dan akurasi 71% pada pria.
Sebagian besar metode skrining diabetes tipe 2 saat ini membutuhkan banyak waktu dan bersifat invasif, berbasis laboratorium, serta mahal. Menggabungkan AI dengan teknologi suara berpotensi membuat pengujian lebih mudah diakses dengan menghilangkan hambatan ini. Studi ini merupakan langkah pertama menuju penggunaan analisis suara sebagai strategi skrining diabetes tipe 2 lini pertama yang sangat terukur.”
Abir Elbeji, penulis utama dari Institut Kesehatan Luksemburg, Luksemburg
Sekitar setengah dari orang dewasa penderita diabetes (sekitar 240 juta di seluruh dunia) tidak menyadari bahwa mereka mengidap penyakit tersebut karena gejalanya bisa bersifat umum atau tidak ada sama sekali; sekitar 90% dari mereka mengidap T2D. Namun, deteksi dan pengobatan dini dapat membantu mencegah komplikasi serius. Mengurangi kasus T2D yang tidak terdiagnosis di seluruh dunia merupakan tantangan kesehatan masyarakat yang mendesak.
Penelitian ini bertujuan untuk mengembangkan dan menilai kinerja algoritma AI berbasis suara untuk mendeteksi apakah orang dewasa menderita T2D.
Para peneliti meminta 607 orang dewasa dari studi Colive Voice (yang didiagnosis dengan dan tanpa T2D) untuk memberikan rekaman suara diri mereka sendiri saat membaca beberapa kalimat dari informasi yang disediakan, langsung dari telepon pintar atau laptop mereka.
Baik perempuan maupun laki-laki yang menderita T2D lebih tua (usia rata-rata perempuan 49,5 vs 40,0 tahun dan laki-laki 47,6 vs 41,6 tahun) dan lebih mungkin mengalami obesitas (BMI rata-rata perempuan 35,8 vs 28,0 kg/m² dan laki-laki 32,8 vs 26,6 kg/m²) dibandingkan dengan yang tidak menderita T2D.
Dari total 607 rekaman, algoritma AI menganalisis berbagai fitur vokal, seperti perubahan nada, intensitas, dan nada, untuk mengidentifikasi perbedaan antara individu dengan dan tanpa diabetes.
Hal ini dilakukan dengan menggunakan dua teknik canggih: satu yang menangkap hingga 6.000 karakteristik vokal terperinci, dan pendekatan pembelajaran mendalam yang lebih canggih yang berfokus pada serangkaian 1.024 fitur utama yang disempurnakan.
Kinerja model terbaik dikelompokkan berdasarkan beberapa faktor risiko diabetes termasuk usia, BMI, dan hipertensi, dan dibandingkan dengan alat American Diabetes Association (ADA) yang andal untuk penilaian risiko T2D.
Algoritme berbasis suara menunjukkan kapasitas prediktif yang baik secara keseluruhan, dengan mengidentifikasi 71% kasus T2D pria dan 66% kasus T2D wanita dengan benar. Model tersebut bahkan berkinerja lebih baik pada wanita berusia 60 tahun atau lebih dan pada individu dengan hipertensi.
Selain itu, terdapat 93% persetujuan dengan skor risiko ADA berbasis kuesioner, yang menunjukkan kinerja yang setara antara analisis suara dan alat penyaringan yang diterima secara luas.
“Meskipun temuan kami menjanjikan, penelitian dan validasi lebih lanjut diperlukan sebelum pendekatan ini berpotensi menjadi strategi skrining diabetes lini pertama dan membantu mengurangi jumlah orang dengan diabetes tipe 2 yang tidak terdiagnosis. Langkah kami selanjutnya adalah secara khusus menargetkan kasus diabetes tipe 2 tahap awal dan pradiabetes,” kata salah satu penulis Dr. Guy Fagherazzi dari Institut Kesehatan Luksemburg, Luksemburg.