Kurze Antwort
Ein Modell der künstlichen Intelligenz, das eine 20-sekündige Sprachaufnahme analysiert, zeigte ein vielversprechendes Vor-Screening-Signal für das Risiko eines Typ-2-Diabetes. Das Modell erreichte bei 7.319 Erwachsenen zur Unterscheidung des selbstberichteten Diabetesstatus einen AUC-Wert von 0,80 und in einer mit HbA1c bestätigten Untergruppe von 801 Personen einen AUC-Wert von 0,75. Allerdings handelt es sich bei der Studie um einen noch nicht begutachteten medRxiv-Preprint, und sie kann nicht als Ersatz für einen Bluttest verwendet werden.
Wie könnte ein Zusammenhang zwischen der Stimme und Diabetes bestehen?
Die Stimme ist das gemeinsame Ergebnis zahlreicher physiologischer Faktoren wie Atmung, Kehlkopfstruktur, Muskelkontrolle, Hydratation, Neuropathie, Körperzusammensetzung und Stoffwechselzustand. Maschinelles Lernen kann aus Frequenz-, Rhythmus-, Artikulations- und prosodischen Mustern, die das menschliche Ohr nicht wahrnehmen kann, ein statistisches Signal ableiten. Welche biologischen Mechanismen dieses Signal repräsentiert, ist noch nicht vollständig bekannt.
Wie wurde die Studie durchgeführt?
Das Modell wurde mit Sprachdaten von mehr als 21.000 Personen entwickelt. In der unabhängigen Evaluierungsphase wurden 7.319 englischsprachige Erwachsene herangezogen. Bei 801 von ihnen erfolgte eine Biomarker-Validierung mittels HbA1c-Messung. Das Modell berechnete aus einer 20-sekündigen Sprachprobe die Wahrscheinlichkeit für Typ-2-Diabetes, und die Ergebnisse wurden mit klassischen Risikoinstrumenten wie QDiabetes verglichen.
Wesentliche Ergebnisse
- AUC beim selbstberichteten Diabetesstatus: ca. 0,80.
- AUC im QDiabetes-Vergleich: ca. 0,86.
- AUC in der durch den Schwellenwert HbA1c ≥48 mmol/mol (≥6,5 %) bestätigten Untergruppe: ca. 0,75.
- Das Modell war gegenüber einigen demografischen Variablen wie Alter und Geschlecht relativ robust.
- Bei Komorbiditäten wie Herz-Kreislauf-Erkrankungen und Bluthochdruck konnte die Leistung abnehmen.
Warum sind falsch-positive Ergebnisse wichtig?
Obwohl eine hohe Sensitivität bei einem Screening-Test wertvoll ist, kann eine große Anzahl falsch-positiver Ergebnisse zu unnötiger Besorgnis und weiteren Untersuchungen führen. Daher könnte die sinnvollste zukünftige Nutzungsform der Stimmanalyse nicht eine „diagnostizierende Anwendung“ sein, sondern eine kostengünstige Vor-Screening-Ebene, die Personen priorisiert, bei denen ein Bluttest durchgeführt werden sollte.
Kann sie den HbA1c-Wert ersetzen?
Nein. Die Diagnose Diabetes wird anhand bestätigter Laborkriterien gestellt. Das Stimmmodell ist derzeit keine Alternative zu HbA1c, Nüchternplasmaglukose oder dem oralen Glukosetoleranztest.
Potenzieller Einsatz in der Klinik
Es besteht das Potenzial für ein breites Bevölkerungsscreening per Telefon oder Telemedizin, eine Risikostratifizierung in ressourcenarmen Regionen und die Schaffung eines zusätzlichen digitalen Biomarkers ergänzend zu klassischen fragebogenbasierten Risikoscores. Allerdings ist eine externe Validierung in Populationen mit unterschiedlichen Sprachen, Akzenten, Altersgruppen, ethnischen Gruppen, Geräten und Komorbiditäten erforderlich.
Einschränkungen der Evidenz
Die Studie ist ein Preprint; eine unabhängige Begutachtung durch Fachkollegen (Peer-Review) ist noch nicht abgeschlossen. Der Datenschutz bei Stimmdaten ist ein wichtiges Thema. Ob das Modell klinische Entscheidungen und dadurch die Patientenergebnisse verbessert, wurde noch nicht getestet.
Quellen
- Brann E, et al. Detection of Type 2 Diabetes from 20-second Speech Recordings: A Large-Scale Validation Study. medRxiv. 2026. DOI: 10.64898/2026.03.16.26348468.
- New Scientist, Oktober 2026: populärwissenschaftliche Bewertung der stimmbasierten Diabetes-Screening-Technologie.
Weiterführende Literatur: Insulinresistenz und Metabolisches Syndrom · Gewichtsmanagement und metabolische Gesundheit
Letzte medizinische Überprüfung: 17. Oktober 2026
