Publié le 13 janvier 2024 03:10:00. Des chercheurs bernois ont mis au point une méthode innovante pour détecter les premiers signes d’hypoglycémie, une urgence potentiellement mortelle pour les personnes diabétiques, en analysant simplement la voix grâce à l’intelligence artificielle.
- L’étude démontre que des modifications subtiles de la voix peuvent signaler une baisse dangereuse de la glycémie.
- Un simple smartphone équipé d’un microphone standard, couplé à un algorithme d’apprentissage automatique, permet de détecter l’hypoglycémie avec une précision allant jusqu’à 90 %.
- Cette technologie pourrait compléter les dispositifs existants et améliorer la gestion du diabète, en particulier dans les régions où l’accès aux capteurs de glucose est limité.
L’hypoglycémie, ou hypoglycémie, est une complication aiguë fréquente et potentiellement grave du diabète. Elle se manifeste par des symptômes tels que des vertiges, de la confusion et, dans les cas les plus sévères, une perte de conscience. Malgré les progrès réalisés dans la surveillance de la glycémie, la détection précoce d’une hypoglycémie imminente reste un défi. Une équipe de recherche de l’Inselspital, de l’Hôpital universitaire de Berne et de l’Université de Berne a exploré une nouvelle piste : l’analyse de la voix.
Les chercheurs ont découvert que la voix humaine, véritable reflet de l’état physiologique, subit des modifications imperceptibles lorsque la glycémie diminue. En collaboration avec des partenaires internationaux, ils ont mené deux études cliniques impliquant 22 personnes atteintes de diabète de type 1. Dans des conditions contrôlées, les participants ont été amenés à parler dans un smartphone standard – en lisant des textes, en prononçant des voyelles, en décrivant des images ou en répétant des syllabes – pendant des phases de glycémie normale et d’hypoglycémie provoquée.
Au total, 540 enregistrements vocaux ont été analysés à l’aide d’un algorithme d’apprentissage automatique. L’intelligence artificielle a scruté les moindres variations de la voix, notamment la hauteur, le volume, la résonance, la clarté et la dynamique sonore. Les résultats sont prometteurs : l’IA a détecté l’hypoglycémie avec une fiabilité élevée, atteignant une précision d’environ 90 % lors de la lecture à haute voix et de 87 % lors de la répétition de syllabes courtes.
« Nos résultats montrent clairement que la voix peut fournir des informations importantes sur l’état de santé. Avec un smartphone ordinaire et l’intelligence artificielle, l’hypoglycémie peut être détectée précocement et sans aucun appareil supplémentaire. »
Prof. Dr. med. Christoph Stettler, médecin-chef et directeur clinique de la Clinique universitaire de diabétologie, d’endocrinologie, de médecine nutritionnelle et de métabolisme (UDEM) de l’Inselspital
Selon le Dr méd. Dr sc. nat. Vera Lehmann, médecin de l’étude et première auteure de la publication, cette approche ouvre de nouvelles perspectives : « Nous avons pu montrer qu’un smartphone standard suffit à enregistrer des changements physiologiques que les gens ne remarquent parfois même pas eux-mêmes. Cela ouvre de toutes nouvelles possibilités quant à la façon dont la technologie peut aider à éviter des situations dangereuses à l’avenir. »
L’équipe de recherche bernoise, reconnue internationalement pour ses travaux sur le diabète et l’intelligence artificielle, avait déjà démontré que le comportement au volant pouvait également révéler des signes d’hypoglycémie. Cette nouvelle étude élargit le champ d’investigation en intégrant la voix comme biomarqueur des troubles métaboliques aigus.
Les chercheurs prévoient désormais de tester l’efficacité de l’analyse vocale dans des situations réelles, par exemple lors de l’utilisation d’assistants vocaux tels que Siri ou Alexa. Si les résultats sont confirmés, de simples commandes vocales pourraient à l’avenir permettre une détection précoce des niveaux de sucre dans le sang dangereux, améliorant ainsi la qualité de vie des personnes atteintes de diabète.
Publication
Lehmann V. et coll. Listening to hypoglycemia: Voice as a biomarker for medical emergency detection via machine learning. Diabetes Care 2025; dc251680. En ligne avant impression.
Source : Université de Berne, Insel Group
À lire aussi
