Ses ile diyabet arasında nasıl bir bağlantı olabilir?
Ses; solunum, larenks yapısı, kas kontrolü, hidrasyon, nöropati, vücut kompozisyonu ve metabolik durum gibi çok sayıda fizyolojik etkenin ortak çıktısıdır. Makine öğrenmesi, insan kulağının fark edemediği frekans, ritim, artikülasyon ve prosodik örüntülerden istatistiksel sinyal çıkarabilir. Bu sinyalin biyolojik olarak hangi mekanizmaları temsil ettiği henüz tam olarak bilinmiyor.
Çalışma nasıl yapıldı?
Model 21.000’den fazla kişiden elde edilen konuşma verileriyle geliştirildi. Bağımsız değerlendirme aşamasında 7.319 İngilizce konuşan yetişkin kullanıldı. Bunların 801’inde HbA1c ölçümü ile biyobelirteç doğrulaması yapıldı. Model 20 saniyelik konuşma örneğinden tip 2 diyabet olasılığı üretti ve sonuçlar QDiabetes gibi klasik risk araçlarıyla karşılaştırıldı.
Temel sonuçlar
- Özbildirimli diyabet durumunda AUC: yaklaşık 0,80.
- QDiabetes karşılaştırmasında AUC: yaklaşık 0,86.
- HbA1c ≥48 mmol/mol (≥%6,5) eşiğiyle doğrulanan alt grupta AUC: yaklaşık 0,75.
- Model yaş ve cinsiyet gibi bazı demografik değişkenlere karşı görece dayanıklıydı.
- Kardiyovasküler hastalık ve hipertansiyon gibi komorbiditelerde performans düşebildi.
Yanlış pozitifler neden önemli?
Tarama testinde yüksek duyarlılık değerli olsa da çok sayıda yanlış pozitif, gereksiz kaygı ve ek tetkike yol açabilir. Bu nedenle ses analizi için en makul gelecek kullanım biçimi “tanı koyan uygulama” değil, kan testi yapılması gereken kişileri önceliklendiren düşük maliyetli bir ön tarama katmanı olabilir.
HbA1c’nin yerini alabilir mi?
Hayır. Diyabet tanısı doğrulanmış laboratuvar kriterleriyle konur. Ses modeli bugün için HbA1c, açlık plazma glukozu veya oral glukoz tolerans testinin alternatifi değildir.
Klinikte potansiyel kullanım
Telefon veya tele-sağlık üzerinden geniş nüfus taraması, düşük kaynaklı bölgelerde risk sınıflaması ve klasik anket tabanlı risk skorlarına ek dijital biyobelirteç oluşturma potansiyeli vardır. Ancak farklı dil, aksan, yaş, etnik grup, cihaz ve komorbidite popülasyonlarında dış doğrulama gerekir.
Kanıtın sınırlılıkları
Çalışma ön baskıdır; bağımsız hakem değerlendirmesi tamamlanmamıştır. Ses verilerinde gizlilik önemli bir konudur. Modelin klinik kararların hasta sonuçlarını iyileştirip iyileştirmediği henüz test edilmemiştir.
Kaynaklar
- 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, Ekim 2026: ses tabanlı diyabet tarama teknolojisinin popüler bilim değerlendirmesi.
İlgili okumalar: İnsülin Direnci ve Metabolik Sendrom · Kilo Yönetimi ve Metabolik Sağlık
Son tıbbi inceleme: 17 Ekim 2026
