Согласно данным Международной Федерации диабета (IDF), в настоящее время в мире 540 млн человек болеют сахарным диабетом. По прогнозам IDF, к 2045 году один из восьми взрослых — примерно 783 миллиона человек — будет жить с диабетом, что на 46% больше, чем на текущий момент. Поэтому проблема диагностики и контроля ключевых показателей здоровья становится особенно актуальной. В этой статье расскажем о результатах работы двух групп ученых, которые, возможно, смогут приблизить нас к появлению новых приложений и гаджетов для распознавания и контроля сахарного диабета.
© InScience
Глюкоза и голос
Воспроизведение голоса — это сложный процесс, который зависит от комплексной работы дыхательной, нервной систем и гортани человека. В то же время голос — отличный кандидат для выявления патологии и скрининга. Такой метод неинвазивен, недорог и удобен, поскольку голос можно записывать с помощью смартфона или портативного устройства.
Канадские ученые провели исследование с использованием голосовых сообщений, записанных на смартфон. На это их вдохновили исследования о воздействиях концентрации глюкозы на эластичные свойства голосовых связок.
При сахарном диабете второго типа (СД2) люди испытывают длительные периоды высокого уровня глюкозы в крови. Эта временная особенность заболевания легла в основу гипотезы о том, что такое повышение глюкозы может повредить нервные и мышечные волокна и, как следствие, изменить голосовые характеристики, по которым можно отличить людей с сахарным диабетом.
Приложение для распознавания
Исследования проводились год, участниками стали 267 человек из Индии (192 человек без сахарного диабета и 75 человек с сахарным диабетом второго типа). У них не было диагностированных речевых расстройств, и все они были некурящими. Участникам требовалось записывать голосовые сообщения не менее шести раз в день в течение двух недель с помощью мобильного приложения, произнося одну и ту же фразу: «Привет, как дела? Какой у меня сейчас уровень глюкозы?». В результате ученые собрали 18 465 записей. Из каждой записи исследователи извлекли четырнадцать акустических характеристик для анализа различий между людьми без диабета и СД2.
Результаты оказались впечатляющими: ученые обнаружили отчетливые различия между голосами людей с сахарным диабетом второго типа и без него. Статистическая точность для различных характеристик составила от 98% до 99,999%. Также подтвердились различия в голосовых проявлениях диабета у мужчин и женщин. Разница в характеристиках связана с тем, что у женщин показательными характеристиками были средняя высота тона, отклонение от высоты тона, относительное среднее дрожание, а у мужчин — интенсивность и 11-точечный коэффициент амплитудного возмущения (apq11). Данные характеристики выражены в более низком тоне голоса для женщин, «слабом голосе» для женщин. Эти различия обусловлены в проявлениях симптомов заболевания. Например, мышечная слабость и атрофия, которые были связаны со слабостью и нестабильностью голоса, чаще встречаются у мужчин, чем у женщин с диабетом. Напротив, у женщин чаще наблюдается высокое содержание внеклеточной воды и отеки. Отек голосовых связок снижает высоту звука и вибрационные характеристики, что приводит к снижению параметров. Для женщин максимальная точность определения сахарного диабета второго типа составила 0,89, а для мужчин — 0,86. Это не так много для неинвазивного способа, по сравнению с глюкометрами. Точность современных датчиков составляет от 0,92 от 0,98, но они все требуют покупки дополнительного оборудования.
Ученым пришлось проанализировать данные предыдущих исследований характеристик голоса, проведенных в 2012, 2016, 2017 и 2021 годах. Эти данные позволили разработать новую модель для извлечения данных голоса с применением общедоступной интеграции Python для Praat, программного обеспечения для анализа голоса и речи. Сама модель анализа данных общедоступна в описании исследования.
Таким образом, мы можем приблизиться к ранней диагностике сахарного диабета второго типа с помощью приложений, особенно в странах с ограниченной медицинской диагностикой сахарного диабета.
По оценкам, указанным в исследовании, 175 миллионов человек во всем мире страдают не диагностированным диабетом.
Стоит отметить: несмотря на то, что группа участников была сформирована на основании рекомендаций Американской диабетической ассоциации, такое количество участников с учетом распространенности диабета второго типа кажется немногочисленным.
Определение уровня сахара без взятия крови
Второе исследование, о котором мы поговорим в статье, — это работа ученых из трех университетов Кореи (национальный университет Пукёнг, корейский институт систем атмосферного прогнозирования и кафедра искусственного интеллекта католического университета Кореи). Уже можно ознакомится с исследованием. Работа посвящена диагностике сахарного диабета новым неинвазивным методом. Он сможет с высокой точностью определять уровень сахара в крови без дискомфорта для человека.
Инвазивный метод точнее диагностики, но включает забор крови с помощью иглы. Эта процедура более болезненна, а также несет в себе риск потенциальной инфекции и повреждения тканей. Неинвазивные методы, не требующие забора крови, на текущий момент либо менее точны или зависят от внешних факторов.
Самым точным на данный момент является глюкометр GlucoTrack — неинвазивный прибор, который работает на трех параметрах: ультразвук, электромагнитное поле и температура тела. Датчик крепится на ухо, словно клипса, и измеряет параметры тканей мочки уха. Но алгоритм измерения зависим от характерик температуры тела, что может привести к некорректным результатам измерения. Также требуется раз в полгода замена датчика — клипсы и раз в месяц настройка системы.
Поэтому ученые поставили перед собой задачу разработки нового высокоточного инвазивного метода определения уровня сахара в крови.
Ультразвук и нейронные сети
Новый метод основан на наблюдении, что глюкоза в эритроцитах образует гликированный гемоглобин (HbA1c), который можно проанализировать с помощью ультразвука.
Для обнаружения уровня глюкозы в крови ученые изготовили специальный высокочастотный ультразвуковой датчик (HFU) и обнаружили сигналы от гликированного гемоглобина (HbA1c) в эритроцитах.
Разница в полученных сигналах от клеток с разным уровнем глюкозы в крови слишком мала, поэтому для данной проблемы была применена и обучена сверточная нейронная сеть CNN. Она смогла осуществить классификацию акустических сигналов по уровню глюкозы в крови, даже когда они были скрыты шумом. Результаты подтвердили эффективность подхода, основанного на CNN, с точностью классификации 0,98. Например, точность глюкометра GlucoTrack составляет 0,95–0,98 в зависимости от длительности заболевания, по данным исследований израильского медицинского университетского центра Сорока.
Данное исследование показало высокий потенциал в качестве неинвазивного инструмента диагностики диабета в ближайшем будущем. Учитывая высокую точность, остается надеяться, что технологические компании подхватят эти разработки.
Эти два исследования показывают, насколько сильно помогают новые методы машинного обучения и искусственный интеллект в анализе и оптимизации полученных результатов, а открытость исследований дает надежду на скорое появление данных приложений и гаджетов в каждом доме.
