۱۹ اکتبر ۲۰۲۶ - مطالعۀ جدید منتشر شده در نشریه  IEEE Journal of Biomedical and Health Informaticsنشان می‌دهد که چگونه دانشمندان در آزمایشگاه‌های Klick، با استفاده از نقشه‌های بصری فرکانس‌های صوتی (اسپکتروگرام‌ها)، توانسته‌اند الگوهای پیچیده و جدیدی را که با دیابت نوع ۲ مرتبط هستند، شناسایی کنند. در این پژوهش، تنها از ضبط صداهای کوتاه جملات انگلیسی (به صورت تصادفی انتخاب شده) و جنسیت شرکت‌کنندگان به عنوان معیارهای مطالعه استفاده شد.

دانشمندان ۱۴,۷۵۹ فایل صوتی از ۴۶۱ بزرگسال را تحلیل کردند که این فایل‌ها پیش از تحلیل توسط یک «ترانسفورمر اسپکتروگرام صوتی» به اسپکتروگرام‌های بصری تبدیل شدند. این فرآیند به مدل اجازه داد تا ترکیب‌های پیچیده الگوهای آکوستیک را مستقیماً از روی ضبط‌ها یاد بگیرد، به جای اینکه صرفاً بر ویژگی‌های صوتی از پیش تعریف‌شده تکیه کند. با استفاده از صدا به تنهایی، مدل‌های طبقه‌بندی‌شده بر اساس جنسیت، به دقت متوازن ۷۱.۳٪ برای زنان و ۷۲.۴٪ برای مردان دست یافتند (با مقادیر AUCبه ترتیب ۰.۷۸۸ و ۰.۷۷۹).

دکتر یان فوسات، نایب‌رئیس ارشد تحقیق و توسعه سلامت دیجیتال در  Klick Applied Sciencesو محقق اصلی این مطالعه، گفت: «اکنون ما می‌توانیم به معنای واقعی کلمه، سرنخ‌های بسیار بیشتری از دیابت را در نشانگرهای زیستی صوتی مشاهده کنیم. با ثبت روابط میان فرکانس‌ها و زمان، ما تحلیل خود را فراتر از ویژگی‌های تعریف‌شده قبلی[1] مانند شیمر (shimmer)، جیتر(jitter) و سایر ویژگی‌های صوتی گسترش دادیم و به ترکیب‌های پیچیده‌ای از الگوها و ویژگی‌های آکوستیک رسیدیم که پیش از این در رادار کسی نبود. ما از این یافته‌ها برای ادامه کاوش در ارتباط میان نشانگرهای صوتی و دیابت نوع ۲ بسیار هیجان‌زده هستیم.»

پیشرفت نسبت به مطالعه سال ۲۰۲۳

این تحقیق بر پایه مطالعه سال ۲۰۲۳ آزمایشگاه کلیک (با عنوان Voice to Diabetes) که در نشریه Mayo Clinic Proceedings: Digital Healthمنتشر شد، بنا شده است. آن مطالعه، صوتهای ثابت (یک جمله مشخص) ضبط شده را در کنار سن، شاخص توده بدنی (BMI) و سایر اطلاعات سلامت شرکت‌کنندگان تحلیل کرده و ۱۴ ویژگی آکوستیک از پیش تعریف‌شده (مانند گام صدا، شدت، شیمر و جیتر) را شناسایی کرده بود.

مطالعه جدید «دقت متوازنی» را گزارش کرده است (روشی که حساسیت و ویژگی را با هم میانگین می‌گیرد تا وزن یکسانی به شناسایی افراد مبتلا و غیرمبتلا داده شود)، در حالی که تحقیق سال ۲۰۲۳ «دقت متعارف» را گزارش کرده بود (درصد کل پیش‌بینی‌های درست). بنابراین، این اعداد نباید مستقیماً با هم مقایسه شوند؛ تفاوت در اعداد گزارش شده، بازتاب‌دهنده تفاوت در ورودی‌ها، روش‌ها، رویکردهای اعتبارسنجی و مجموعه‌ داده‌های این دو مطالعه است، نه ادعایی مبنی بر اینکه مدل‌های جدید دقیق‌تر هستند.

طی چند سال گذشته، آزمایشگاه کلیک تحقیقات خود را در زمینه نشانگرهای زیستی صوتی به حوزه‌هایی از جمله فشار خون بالا و تخمک‌گذاری گسترش داده و مطالعات دیابت خود را در زمینه‌های زیر پیش برده است:

·  تأثیر فشرده‌سازی داده‌های صوتی بر استخراج ویژگی‌ها برای شناسایی نشانگرهای زیستی صوتی.

·  تأثیر سطح گلوکز بر فرکانس اصلی صدا در افراد مبتلا به دیابت نوع ۲ و افراد با قند خون نرمال (اوت ۲۰۲۴).

·  تعداد بهینه نمونه‌های صوتی و زمان‌بندی ایده‌آل ضبط برای پیش‌بینی دیابت نوع ۲.

در ژوئن ۲۰۲۶، آزمایشگاه کلیک اعلام کرد که مجموعه‌ای از مطالعات را با همکاری کلینیک مایو (Mayo Clinic) در فلوریدا آغاز کرده است تا استفاده از نشانگرهای زیستی صوتی نوین را در ارتباط با چندین بیماری مزمن و شرایط جدی سلامتی بررسی کند.

منبع:

https://medicalxpress.com/news/2026-10-scientists-vocal-patterns-diabetes.html