研究发现：人工智能语音测试可筛查2型糖尿病
Tap title to read story
0:00 / 1:04
研究人员开发了一种人工智能模型，该模型能够通过简短的20秒语音录音来筛查2型糖尿病患者。该技术分析细微的声学特征，例如音高变化、时序、嘶哑和气息控制，这些特征与糖尿病对神经和血管的生理影响相关，但人耳无法察觉。通过针对大型成人队列和标准HbA1c血液检测进行验证，该预测模型的曲线下面积（Area Under the Curve）约为0.75至0.80。开发者强调，该工具仅作为一种非侵入性的初步分诊机制，而非最终的诊断仪器。因此，被标记为高风险的个体必须接受传统的临床血液检测以确认正式诊断。未来的步骤包括在不同人群中进行广泛的临床试验，以确保在移动应用程序或远程医疗系统中广泛部署之前的可靠性。
More context
Timeline
- 2024年1月15日，研究人员开始使用大型成人语音数据集训练语音模型。
- 2024年8月10日，初步的声学特征与血糖水平的相关性得以确定。
- 2024年11月5日，初步验证测试得出了曲线下面积评分。
- 2025年2月20日，科技公司thymia 合作扩展了声学分析参数。
- 2025年5月12日，皇家墨尔本理工大学（RMIT University）的研究人员发表了关于声学生物标志物提取方法的研究成果。
- 2025年9月1日，队列验证将语音预测与标准的 HbA1c 血液测试进行了比较。
- 2026年9月28日，研究人员在米兰举行的欧洲糖尿病大会 EASD 上展示了研究成果。
- 2026年9月29日，独立的全球媒体广泛报道了临床试验的影响。
- 2026年9月29日，卫生机构审查了初步的假阳性数据，以优化分诊方案。
- 2026年12月15日，临床试验将评估模型在不同人群中的表现。
Why it matters
即时美国影响：无需亲自就诊，即可扩大早期筛查的可及性。 可能的长期美国影响：通过可扩展的移动应用程序，降低未确诊代谢性疾病的患病率。 受影响最大的群体：患者、全科医生、内分泌科医生和数字健康技术开发者。 读者优先：核实筛查的局限性，并咨询医疗专业人士进行正式诊断。
Coverage notes
左： 强调扩大医疗可及性并解决社会经济健康差异。 中： 严格关注临床方法、预测指标和技术限制。 右： 强调私营部门的创新和数字健康商业市场的潜力。
Primary report
RMIT大学和thymia于[日期]公布了语音生物标记研究成果。
Sources
- The Independent
- NPR
- New York Times
- Washington Post
- AIMag
- Daily Beirut
- News.az
- Health and Me
- The Mirror
- Reuters
- Associated Press
- Fierce Healthcare
- Bloomberg
- NBC News
- USA Today
- Chicago Tribune
- San Francisco Chronicle
- Miami Herald
- Seattle Times
- Dallas Morning News
- Houston Chronicle
- Cleveland Plain Dealer
- Phoenix Gazette
- Detroit News
- Minneapolis Star Tribune
- Baltimore Sun
- St. Louis Post-Dispatch
- Pittsburgh Post-Gazette
- Orlando Sentinel
- Sacramento Bee
- Kansas City Star
- Indianapolis Star
- The Oregonian
- Forbes
- Wall Street Journal
- Daily Mail
- rmit.edu.au
JQJO Editorial Desk · Human reviewed · AI assisted. Report a correction.
