AI phát hiện mẫu giọng nói liên quan tiểu đường type 2 qua ghi âm điện thoại

Nhóm Klick Labs của công ty Klick hôm thứ Hai (19/10) thông báo dùng AI phân tích 14.759 bản ghi âm điện thoại của 461 người lớn, tìm ra mẫu giọng nói mới liên quan tiểu đường type 2.

Nghiên cứu đăng trên tạp chí IEEE Journal of Biomedical and Health Informatics. Klick Labs là đơn vị nghiên cứu thuộc công ty Klick Applied Sciences. Dữ liệu đầu vào chỉ gồm hai thứ: giới tính của người tham gia và bản ghi những câu tiếng Anh ngắn, chọn ngẫu nhiên, mà họ đọc vào điện thoại thông minh. Trong 461 người tham gia có 157 nữ và 304 nam.

Khác với nghiên cứu năm 2023 của nhóm, mô hình mới không cần tuổi, chỉ số khối cơ thể (BMI) hay một câu đọc cố định.

Mỗi bản ghi được chuyển thành một ảnh phổ tần (spectrogram), tức hình ảnh thể hiện các tần số của âm thanh. Sau đó, một mô hình AI loại Audio Spectrogram Transformer, chuyên đọc loại ảnh này, phân tích các ảnh đó.

Cách làm này cho phép mô hình tự học những tổ hợp mẫu âm thanh phức tạp ngay từ bản ghi, thay vì chủ yếu dựa vào một số đặc điểm giọng nói chọn sẵn.

Độ chính xác cân bằng 71,3% ở nữ, 72,4% ở nam

Khi chỉ dùng giọng nói, các mô hình xây riêng cho từng giới đạt độ chính xác cân bằng 71,3% ở nữ và 72,4% ở nam. Chỉ số này là trung bình cộng của độ nhạy (khả năng nhận ra đúng người mắc bệnh) và độ đặc hiệu (khả năng nhận ra đúng người không mắc bệnh), coi hai việc này quan trọng ngang nhau.

Chỉ số AUC (diện tích dưới đường cong ROC) đo khả năng mô hình phân biệt người mắc và người không mắc bệnh. Chỉ số này đạt 0,788 ở nữ và 0,779 ở nam.

Nhóm thử mô hình bằng phương pháp kiểm định chéo trên chính bộ dữ liệu này. Các tác giả viết rằng đây mới là bước kiểm định kỹ thuật, và cần kiểm định tiến cứu, tức thử mô hình trên dữ liệu mới thu thập từ bên ngoài, với nhóm dân số rộng hơn.

“Giờ đây, theo đúng nghĩa đen, chúng tôi có thể nhìn thấy nhiều manh mối hơn liên quan đến tiểu đường trong các dấu ấn sinh học giọng nói”, ông Yan Fossat nói trong thông cáo của công ty. Ông là Phó Chủ tịch cấp cao phụ trách nghiên cứu và phát triển sức khỏe số tại Klick Applied Sciences, kiêm trưởng nhóm nghiên cứu.

Dấu ấn sinh học giọng nói là những đặc điểm trong giọng nói có liên quan đến tình trạng sức khỏe. Ông Fossat cho biết nhờ nắm bắt mối liên hệ trên cả trục tần số lẫn trục thời gian, nhóm đã mở rộng phân tích ra ngoài những đặc điểm chọn sẵn như shimmer và jitter. Shimmer là độ dao động về biên độ, tức độ mạnh yếu, của sóng âm giữa các chu kỳ rung liên tiếp của dây thanh, còn jitter là độ dao động về tần số giữa các chu kỳ đó. Nhóm tìm thấy những tổ hợp mẫu âm thanh phức tạp mà trước đó chưa ai để ý, và sẽ tiếp tục tìm hiểu mối liên quan giữa dấu ấn sinh học giọng nói với tiểu đường type 2.

Tiếp nối nghiên cứu năm 2023

Nghiên cứu mới phát triển từ công trình năm 2023 của Klick Labs, đăng trên tạp chí Mayo Clinic Proceedings: Digital Health. Khi đó, nhóm phân tích bản ghi một câu cố định đọc vào điện thoại thông minh, kèm tuổi, chỉ số BMI và một số thông tin sức khỏe cơ bản khác của người tham gia.

Công trình này trích 14 đặc điểm âm thanh chọn sẵn từ mỗi bản ghi, trong đó có cao độ, cường độ, shimmer và jitter, rồi tìm những đặc điểm khác biệt giữa người mắc và không mắc tiểu đường type 2.

Nghiên cứu năm 2023 dùng độ chính xác thông thường, tức tỷ lệ dự đoán đúng trên tổng số dự đoán, và báo cáo kết quả 89% ở nữ, 86% ở nam. Thông cáo lưu ý không nên so trực tiếp con số này với kết quả mới. Khác biệt về con số phản ánh sự khác nhau giữa hai nghiên cứu về dữ liệu đầu vào, phương pháp, cách kiểm định và bộ dữ liệu, chứ không phải khẳng định rằng mô hình mới chính xác hơn.

Vài năm qua, Klick Labs đã mở rộng nghiên cứu dấu ấn sinh học giọng nói sang các lĩnh vực khác, trong đó có huyết áp cao và rụng trứng. Riêng với tiểu đường, nhóm đã công bố các nghiên cứu về:

• Ảnh hưởng của việc nén âm thanh khi trích xuất đặc điểm giọng nói (JMIR Biomedical Engineering, tháng 4/2024);
• Tác động của mức đường huyết lên tần số cơ bản của giọng nói (Scientific Reports, tháng 8/2024);
• Số mẫu giọng cần ghi và lịch ghi âm phù hợp để dự đoán tiểu đường type 2 (JMIR Biomedical Engineering, tháng 6/2025).

Tháng 6/2026, Klick Labs thông báo đã bắt đầu một loạt nghiên cứu với Mayo Clinic tại bang Florida (Mỹ), tìm hiểu việc sử dụng các dấu ấn sinh học giọng nói mới với một số bệnh mạn tính và tình trạng sức khỏe nghiêm trọng.