糖尿病是一种由胰岛素绝对或相对分泌不足以及利用障碍引发的，以高血糖为标志的慢性疾病。病因主要归结为遗传因素和环境因素的共同作用，包括胰岛细胞功能障碍导致的胰岛素分泌下降，或者机体对胰岛素作用不敏感或两者兼备，使得血液中的葡萄糖不能有效被利用和储存。

糖尿病是一种非常常见的慢性疾病，其每年导致数百万人死亡，仅在2021年它导致 670 万人死亡。目前糖尿病导致死亡人数还在进一步增加，这主要由于全球老年化加剧、不健康的饮食习惯和久坐的生活方式等原因导致糖尿病患者增多（根据统计2022年全球十分之一人患有糖尿病）。

糖尿病不仅是一个健康问题，而且已经演变成为一个社会问题。让糖尿病变成社会问题问题原因除了患者群体多外，还在于很多糖尿病患者自己都不知道自己患有糖尿病，知道糖尿病患者出现糖尿病相关并发症时才被诊断出患有糖尿病（根据统计每两个 2 型糖尿病 (T2D) 患者中就有一个未得到诊断）。这时候在进项干预已经太晚了，根据临床研究表明，与血糖正常的个体相比，未确诊的糖尿病具有更高的死亡风险。除了死亡风险高外，未被诊断糖尿病患者每年医疗费用支出也非常可怕，在美国一个未被确诊的糖尿病每年需要多支出 4,250 美元医疗费。

目前糖尿病诊断方式主要有空腹血糖检测、口服葡萄糖耐量试验（OGTT）、糖化血红蛋白（HbA1c）检测、胰岛功能检查等。这些方式存在最大问题就像检查起来不方便，而且很多人也不会意识到去做这类检查（总觉得自己没病）。

想要让更多人能够快速有效诊断是否患有糖尿病，就需要让诊断技术变得简单方便。随着大数据、人工智能等技术发展，新的诊断技术也在孕育中。

Luxembourg Institute of Health (LIH) 的研究团队开发出一种基于语音的人工智能算法，能够以极高的准确性检测2型糖尿病。研究团队已经将该人工智能算法应用于临床研究，并将研究报告发布在《PLOS Digital Health》期刊上市。

本项研究：在美国纳入607名美国人，并将该人工智能算法分析与美国糖尿病协会 (ADA) 的T2D风险评估评分进行比较。

研究结果

Bland-Altman表现出良好的预测能力（AUC=男性75%，女性71%），正确预测71%的男性和66%的女性 T2D 病例； 

60岁或以上女性 (AUC = 74%) 和高血压患者 (AUC = 75%) 的表现有所改善，与 ADA 风险评分的总体一致性高于93%。

结论

基于语音的人工智能算法可以作为一种更容易获得、更具成本效益和非侵入性的T2D筛查工具。虽然这些结果很有希望，但还需要进一步验证，特别是对于早期T2D病例和更多样化的人群。

作者评价

“这项研究代表了糖尿病治疗的一个重大进步。通过将人工智能与数字表型相结合，我们正在迎来一种更具包容性和成本效益的早期诊断和预防方法。使用简单的语音记录筛查糖尿病的能力可以极大地改善全世界数百万人的医疗保健可及性。”

---Guy Fagherazzi  Luxembourg Institute of Health (LIH) 

专家评价

“人工智能和机器学习能够提供有关声音与糖尿病之间关系的新信息。”

---Kevin Peterson   American Diabetes Association

“首先，糖尿病会导致脱水，这会影响声带组织，以及口腔和舌头的组织，脱水可能会使单词听起来更加断断续续或‘粘稠’。从长远来看，糖尿病会影响神经，包括与听力有关的神经。糖尿病患者的听力损失更为明显，这也会影响言语。”

---Susan Spratt  Duke University

Luxembourg Institute of Health (LIH) 

Luxembourg Institute of Health (LIH) 是一家专注于精准健康的公共生物医学研究组织，致力于成为欧洲领先的参考机构，致力于将卓越的科学成果转化为对患者有意义的益处。