Какая может быть связь между голосом и диабетом?
Голос является общим результатом множества физиологических факторов, таких как дыхание, структура гортани, мышечный контроль, гидратация, нейропатия, состав тела и метаболический статус. Машинное обучение способно извлекать статистический сигнал из частотных, ритмических, артикуляционных и просодических паттернов, которые не может уловить человеческое ухо. Какие именно биологические механизмы отражает этот сигнал, пока точно неизвестно.
Как проводилось исследование?
Модель была разработана на основе речевых данных, полученных более чем от 21.000 человек. На этапе независимой оценки были задействованы 7.319 англоговорящих взрослых. У 801 из них была проведена биомаркерная верификация путем измерения уровня HbA1c. Модель выдавала вероятность наличия диабета 2 типа на основе 20-секундного образца речи, а результаты сравнивались с классическими инструментами оценки риска, такими как QDiabetes.
Основные результаты
- AUC для статуса диабета по самоотчетам: около 0,80.
- AUC в сравнении с QDiabetes: около 0,86.
- AUC в подгруппе, подтвержденной пороговым значением HbA1c ≥48 mmol/mol (≥%6,5): около 0,75.
- Модель была относительно устойчива к некоторым демографическим переменным, таким как возраст и пол.
- При наличии сопутствующих заболеваний, таких как сердечно-сосудистые заболевания и гипертония, эффективность могла снижаться.
Почему важны ложноположительные результаты?
Хотя высокая чувствительность в скрининговом тесте ценна, большое количество ложноположительных результатов может привести к излишнему беспокойству и дополнительным обследованиям. По этой причине наиболее разумным будущим способом применения анализа голоса может стать не «приложение, ставящее диагноз», а малозатратный этап предварительного скрининга, определяющий приоритетность людей, которым необходимо сдать анализ крови.
Может ли это заменить HbA1c?
Нет. Диагноз диабета ставится на основании подтвержденных лабораторных критериев. На сегодняшний день голосовая модель не является альтернативой анализу на HbA1c, уровню глюкозы в плазме натощак или пероральному глюкозотолерантному тесту.
Потенциальное применение в клинике
Существует потенциал для широкого популяционного скрининга по телефону или через телемедицину, стратификации риска в регионах с ограниченными ресурсами и создания дополнительного цифрового биомаркера к классическим шкалам риска на основе анкетирования. Однако необходима внешняя валидация в популяциях с различными языками, акцентами, возрастами, этническими группами, устройствами и сопутствующими заболеваниями.
Ограничения доказательной базы
Исследование является препринтом; независимое рецензирование еще не завершено. Конфиденциальность голосовых данных является важным вопросом. Пока не проверялось, улучшает ли использование модели в клинических решениях исходы у пациентов.
Источники
- 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, октябрь 2026: научно-популярный обзор технологии скрининга диабета на основе голоса.
Материалы по теме: Инсулинорезистентность и метаболический синдром · Управление весом и метаболическое здоровье
Последняя медицинская проверка: 17 октября 2026
