人工智能可以通过分析人声语音，相当准确地诊断出2型糖尿病。语音分析工具虽然提供了很多新的诊断可能性，但也存在很高的风险。
通过分析语音进行的医学诊断技术正在变得越来越精确。尤其在帕金森综合征或是阿尔茨海默症的诊断方面，对于患者说话声音样本的分析可以提供很有价值的依据。
包括精神障碍、抑郁症、创伤后应激障碍或心脏病也可以通过语音分析来诊断。人工智能（AI）还可以听出血管狭窄或疲惫的迹象。这使得医生能够更早地进行治疗并降低患者的风险。
根据专业杂志《Mayo Clinic Proceedings：Digital Health》发表的一项研究，现在凭借简短的语音序列就能以惊人的准确性判断某人是否患有2型糖尿病。
未知的风险
该技术旨在帮助找出未得到确诊的糖尿病患者。全球约有2.4亿成年人患有糖尿病而不自知。根据国际糖尿病联合会的数据，近90%的糖尿病病例都是2型糖尿病。2型糖尿病患者罹患心脏并和血管疾病的风险增加，例如心肌梗死、中风以及腿部和足部血液循环问题。
使用语音分析进行诊断将使检测变得更加容易，因为通常情况下人们必须去看医生，才能进行最常见的诊断测试，其中包括空腹血糖测试（FBG）、口服糖耐量测试（OGTT）和糖化血红蛋白值测试（A1C），该测试是为了测量两到三个月内血糖水平的平均值。
语音诊断是如何运行的？
在语音频率分析过程中，人工智能会分析人耳听不见的人声变化。只要有电话交谈录音，就足以进行分析。
人工智能可以对说话的韵律、节奏、停顿和音高等元素进行分析。在某些临床案例中，患者存在特有的语音特征，例如元音A的发音会持续五秒时间。
人声可以有多达20万种不同的特征。人工智能和相应的算法可以从说话声音片段中找到与某些临床案例相匹配的独特发音模式。
诊断精确度令人震惊
新开发的人工智能工具可以从6到10秒的语音录音中识别到音调以及音量的变化，从而做出诊断。再结合年龄、性别、身高、体重等基本健康数据，AI就可以检测出这个人是否患有2型糖尿病。
而且它的准确度令人惊讶：由于男性和女性声音的变化不同，因此准确度也有所不同。 尽管如此，该技术对女性的诊断准确率高达89%，男性准确率则为86%。
可以区分的声学特征
为了对人工智能进行编程，安大略理工大学学者Jaycee Kaufman带领的研究团队记录了267人的声音，他们当中有的没有糖尿病，有的已被诊断患有2型糖尿病。在两周的时间里，这些实验对象每天要对着智能手机说六次话，每次只需短短一句话。
从以这种方式获得的1万8000多个语音样本中，研究人员分析发现了在非糖尿病人和2型糖尿病人之间存在明显差异的14个声学特征。该研究的主要作者、Klick Labs研究员Jaycee Kaufman表示：”当前的糖尿病检测方法可能需要花费大量的时间、交通成本和就诊费用。语音技术具有完全消除这些障碍的潜力。”
未来，Klick Labs团队希望继续进行研究，看看高血压和糖尿病前期等其他疾病是否也可以通过语音检测来进行诊断。
语音频率分析的风险
将语音分析作为诊断工具的支持者经常会强调使用语音诊断疾病的速度和效率。
然而即使人工智能支持的工具已经提供了非常精确的信息，一些语音样本也不足以真正做出有根据的诊断。假阳性结果和过度诊断的风险也仍然很高。最终还是需要由专业的医生来亲自进行确诊。
提供线索而非医学诊断
这一原则显然也适用于精神类疾病。声音的音调可能表明他患有抑郁症，但只有对这个人进行彻底检查才能真正弄清楚。
尽管人工智能可以使用语音分析来检测比如一个人说话是否以比平时更加逻辑混乱或是更急促了，但这是否真的与注意力缺陷多动障碍（ADHD）有关，只能由医疗专业人员来做出诊断。
无法排除滥用风险
批评者和数据保护倡导者也一再指出，使用语音分析时存在巨大的滥用风险，例如雇主或健康保险呼叫中心的滥用。存在未经明确同意而使用语音分析系统的风险，并且客户或员工可能会因个人健康信息而处于不利地位。
同样，敏感的医疗信息可能更容易被泄露、遭到黑客攻击、被出售或以其他方式滥用。说到底，能够为语音分析作为诊断工具制定明确规定和限制的并不是科学界，而是政界。
