加拿大医学研究人员训练了一种机器学习人工智能，它可以从患者说话的6到10秒的声音中准确预测2型糖尿病。
这是在模型确定了非糖尿病和2型糖尿病个体之间的14个声学特征差异之后实现的。
人工智能专注于一组声音特征，包括人耳听不到的音调和声音强度的细微变化，并将这些数据与基本的健康信息配对，包括患者的年龄、性别、身高和体重。
研究人员发现，性别被证明是决定性的:人工智能对女性的诊断准确率为89%，但对男性的准确率略低，为86%。
一家加拿大公司已经训练了一种机器学习人工智能，可以从患者说话的6到10秒的声音中准确预测2型糖尿病。人工智能有望大幅降低患有慢性疾病的普通人的成本，传统上这种疾病是亲自检测的
最常用的糖尿病测试是糖化血红蛋白(A1C)测试、空腹血糖(FBG)测试和口服葡萄糖耐量测试(OGTT)，这些测试都需要患者去看医生。该团队希望人工智能能够消除这些昂贵的障碍
人工智能模型有望大幅降低患有慢性疾病的普通人的成本，传统上，这种疾病必须亲自进行检测。
2型糖尿病是一种导致人的血糖过高的疾病。
据认为，英国有超过400万人患有某种形式的糖尿病。
2型糖尿病与超重有关，如果你有家族遗传，你可能更容易得这种病。
这种情况意味着身体对胰岛素的反应不正常，不能正常调节血液中的血糖水平。胰岛素是一种控制血糖吸收的激素。
肝脏中过多的脂肪会增加患2型糖尿病的风险，因为脂肪的积累会使血糖水平更难控制，也会使身体对胰岛素产生更大的抵抗力。
减肥是减少肝脏脂肪和控制症状的关键。
症状包括疲倦、口渴和尿频。
它会导致更严重的神经、视力和心脏问题。
治疗通常包括改变你的饮食和生活方式，但更严重的情况可能需要药物治疗。
资料来源:NHS的选择;Diabetes.co.uk
远程自动诊断可以帮助数百万人根据国际糖尿病联合会收集的数据进行判断，该联合会报告称，近一半患有糖尿病的成年人，即2.4亿成年人，不知道自己患有这种疾病。
该论文的第一作者、Klick Labs的研究科学家杰西·考夫曼(Jaycee Kaufman)说，我们的研究突出了患有和没有患2型糖尿病的人声音的显著差异。Klick Labs计划推广这款软件。
考夫曼希望该公司的人工智能能够“改变医学界筛查糖尿病的方式”。
过去，为了筛查前驱糖尿病和2型糖尿病，需要进行包括血液检查在内的昂贵的面对面诊断测试。
其中最常用的测试是糖化血红蛋白(A1C)测试、空腹血糖(FBG)测试和口服葡萄糖耐量测试(OGTT)，这些测试都要求患者亲自前往医疗保健提供者那里。
考夫曼在周二发表在《梅奥诊所学报:数字健康》(Mayo Clinic Proceedings: Digital Health)上的一份声明中指出:“目前的检测方法可能需要大量的时间、旅行和成本。”
她说:“语音技术有可能完全消除这些障碍。”
与加拿大安大略理工大学的教师合作，Klick实验室的科学家们使用从印度招募的267名测试对象的录音来训练人工智能。
大约72%的人(对照组79名女性和113名男性)以前被诊断为非糖尿病，而18名女性和57名男性以前被诊断为2型糖尿病。
据Klick实验室的研究人员说，招募是在遵守美国糖尿病协会指导方针的情况下进行的。
267名参与者被要求在两周内每天在手机上录下6次一句话。
从由此产生的18,000个个人录音中，Klick的科学家们将注意力集中在14个声学特征上，以寻找有2型糖尿病和没有2型糖尿病的人群之间可重复的、一致的差异。
事实证明，其中四种声学特征在准确预测谁患有糖尿病和谁没有糖尿病方面最有用。
“音高”和“音高标准差”对男性和女性患者都有用，而“相对平均扰动抖动”的特征对女性患者的预测更有用。对于男性来说，“强度”和“11点振幅扰动商闪烁”等听觉特征是男性的危险信号。
Klick实验室的考夫曼称，通过人工智能的信号处理发现的基于性别的差异“令人惊讶”。
该团队在同行评议的论文中报告称，当将录音背后人的年龄和体重指数(BMI)纳入预测模型时，该公司的人工智能变得更加准确。他们希望未来的研究能够重复他们的研究结果
该团队在同行评议的论文中报告称，当将录音背后人的年龄和体重指数(BMI)纳入预测模型时，该公司的人工智能变得更加准确
“我们的研究强调了语音技术在识别2型糖尿病和其他健康问题方面的巨大潜力，”Klick Labs副总裁、这项新研究的首席研究员Yan Fossat说。
福萨特还在安大略理工大学任教，他是该校理学院的兼职教授，专注于数字健康的数学建模和计算科学。
这位教授说，他希望Klick的非侵入性和可访问的人工智能方法，可以通过一个简单的手机应用程序进行诊断，有助于识别和帮助数百万未确诊的2型糖尿病患者。
福萨特补充说:“语音技术作为一种方便且价格合理的数字筛查工具，可能会给医疗保健实践带来革命性的变化。”
他说，下一步将从尝试复制这项新研究开始。
福萨特表示，希望Klick实验室能够很快将他们的语音诊断研究扩展到其他医学领域，比如前驱糖尿病、女性健康和高血压。