Network
HALOYOUTH.COM- Sebuah tim peneliti dari Klick Health di Kanada sedang mengembangkan sebuah aplikasi yang dapat mengidentifikasi diabetes tipe 2 dengan hanya menganalisis suara pasien. Pengembangan ini menarik karena mengandalkan teknologi kecerdasan buatan untuk menganalisis perubahan suara yang terjadi akibat efek diabetes terhadap saraf dan otot.
Misalnya, pria yang menderita diabetes cenderung mengalami penurunan kekuatan suara, sementara wanita mungkin mengalami perubahan lainnya. Dengan memperhatikan perubahan tersebut, aplikasi ini berpotensi untuk menjadi alat yang efektif dalam mendeteksi diabetes tipe 2.
Dalam aplikasinya, calon pasien hanya perlu mengucapkan beberapa kalimat selama 8-10 detik di depan mikrofon telepon. Dari sampel suara tersebut, aplikasi yang dikembangkan oleh Klick Health dapat menentukan apakah seseorang menderita diabetes tipe 2. Hasil pengujian awal menunjukkan tingkat akurasi aplikasi ini mencapai 89% untuk wanita dan 86% untuk pria.
Penggunaan suara untuk mendeteksi diabetes merupakan terobosan signifikan dalam penanganan penyakit ini. Sebelumnya, deteksi diabetes tipe 2 biasanya dilakukan melalui tes Fasting Blood Glucose (FBG), yang memerlukan pengambilan darah dan peralatan khusus. Metode tersebut mungkin menjadi alasan mengapa sekitar 250 juta orang di seluruh dunia tidak menyadari bahwa mereka menderita diabetes.
Dengan kehadiran aplikasi Klick Health, setiap individu bisa melakukan tes potensial terhadap diabetes tipe 2 menggunakan smartphone mereka.
Penelitian ini mengungkapkan potensi yang sangat besar dalam memanfaatkan suara untuk mendeteksi diabetes dan masalah kesehatan lainnya. Teknologi suara dapat mengubah cara pemeriksaan kesehatan dilakukan, membuatnya lebih mudah diakses dan dapat dijangkau oleh semua orang.
Untuk mengembangkan aplikasi tersebut, Klick Health melakukan penelitian yang intensif. Mereka merekam suara dari 267 individu yang memiliki diagnosis diabetes dan individu yang tidak memiliki diabetes. Selama dua minggu, setiap individu diminta merekam ucapan pendek atau melakukan perekaman enam kali sehari.
Proses ini menghasilkan sekitar 18 ribu sampel suara. Dengan memanfaatkan teknologi kecerdasan buatan dan pembelajaran mesin, tim peneliti berhasil mengidentifikasi 14 karakteristik akustik yang unik, yang menunjukkan perubahan suara pada partisipan yang terlibat.
