《Frontiers in Digital Health》：Study on the characteristics analysis and recognition method of vowels in patients with type Ⅱ diabetes
编辑推荐：
2型糖尿病（Type 2 Diabetes Mellitus, T2DM）可导致声带功能及神经控制受损，进而引起元音发音的系统变化，这些变化可作为基于语音的疾病检测的客观生物标志物。传统基于整句的方法易受语言变异性影响，难以提取疾病特异性声学特征，整体鲁棒性受
2型糖尿病（Type 2 Diabetes Mellitus, T2DM）可导致声带功能及神经控制受损，进而引起元音发音的系统变化，这些变化可作为基于语音的疾病检测的客观生物标志物。传统基于整句的方法易受语言变异性影响，难以提取疾病特异性声学特征，整体鲁棒性受限。本研究提出了一种面向T2DM的元音智能识别框架（Vowel-based intelligent recognition framework for T2DM, VDT2），旨在捕捉稳定且具有判别性的病理性语音特征。该框架结合LASSO回归与递归特征消除（Recursive Feature Elimination, RFE）筛选最相关的声学指标，并采用引入注意力机制的动态逻辑回归集成模型增强特征表征。实验在自建语音数据集上进行，结果显示VDT2的检测准确率达78%，优于传统整句方法。研究表明，元音分析有望成为一种稳健、无创的T2DM检测工具。
论文解读
研究背景方面，2型糖尿病已成为全球广泛流行的慢性疾病，其中T2DM占大多数病例，并在糖尿病相关死亡中占据重要比例。由于起病隐匿、进展缓慢且并发症复杂，T2DM常在早期未被发现，确诊时往往已至中晚期，影响治疗效果。现有诊断方法如血糖监测、尿液分析及影像学检查虽成熟，但存在侵入性、费用高及对专用设备的依赖，限制了在资源有限环境中的应用。近年来，语音作为一种便捷、低成本、无创的信号载体受到关注，其蕴含丰富的健康相关信息，尤其在糖尿病导致的器官损伤、代谢紊乱及生理功能障碍情况下，语音特征会发生改变，成为潜在的外部生物标志物。已有医学研究显示，糖尿病早期高血糖可降低声带弹性并损害神经控制，导致音质变化，如基频降低及声音嘶哑，这些改变常早于临床症状，具备早期诊断潜力。然而，现有研究多依赖整句建模，语义信息与生理特征交织，降低了检测准确性，同时语言差异也限制了模型的跨人群适用性。
研究人员在中国河南省开封市中心医院的合作下，构建了包含六个舌面元音（/a/、/o/、/e/、/i/、/u/、/ü/）的T2DM患者语音数据库，并系统分析了语音变化与糖尿病病理状态的相关性。关键技术方法包括：首先，从语音信号中提取平均基频（MeanF0）、基频标准差（StdevF0）、平均强度（MeanInten）、强度标准差（StdevInten）、局部抖动（Local Jitter）、局部绝对抖动（LocalAbsJitter）、快速抖动（RapJitter）、谐波噪声比（Harmonic-to-Noise Ratio, HNR）等多维声学特征；其次，采用LASSO回归与递归特征消除（RFE）相结合的特征选择策略，去除冗余信息并保留核心特征；第三，构建引入注意力机制的动态逻辑回归集成模型，通过节点级加权自适应调整各声学特征在不同决策路径中的贡献，实现分层决策并最终完成糖尿病患者的精准识别。
研究结果方面，特征有效性分析显示，MeanF0、HNR、Local Jitter及LocalAbsJitter在糖尿病组与健康组之间存在显著差异（p < 0.05），且在信息论分析中满足差异阈值，表明这些特征携带与糖尿病相关的生理信息。特征聚类可视化进一步证实，所选特征在一维及二维空间中均具备良好的类别区分能力。特征选择实验中，LASSO保留了与线性相关性强的特征，RFE则筛选出兼具主导性与交互敏感性的特征，最终形成包含13个关键声学特征的联合特征集。识别实验结果表明，所提出的VDT2模型在准确率（78.0%）、召回率（86.8%）、特异度（70.0%）及AUC（0.79）等指标上均优于K近邻（KNN）、支持向量机（SVM）、XGBoost及逻辑回归（LR）等基准模型，实现了敏感性与特异度之间的良好平衡。消融实验进一步验证，仅使用多个元音作为输入时，模型性能显著优于包含整句的输入形式，证明元音本身即可提供区分糖尿病与健康个体的关键声学差异。
讨论部分指出，尽管基于元音的糖尿病检测技术已在中文语料研究中取得初步进展，但仍面临若干挑战。首先，受限于专业与技术资源，尚未深入分析六类汉语元音在糖尿病检测中的具体作用；其次，现有中文语音数据库样本量有限，高质量标注数据稀缺，可能导致模型在小样本条件下出现过拟合，影响泛化性能；第三，早期糖尿病症状及其并发症的声学信号变化细微且隐蔽，提升检测灵敏度与准确性仍是关键技术难点。研究结论强调，元音分析在T2DM无创筛查中具有可行性与应用前景，未来需扩大样本规模并优化特征解析，以提升模型的稳定性与跨人群适用性。本研究发表于《Frontiers in Digital Health》。
