Un equipo de expertos formado por el Laboratorio MIFA del Instituto Qingyuan de la Universidad Jiao Tong de Shanghai y el Departamento de Endocrinología del Hospital Zhongshan afiliado a la Universidad Fudan, ha desarrollado recientemente un modelo grande específico para la diabetes llamado Diabetica. Este modelo integra las capacidades de procesamiento del lenguaje de los modelos grandes con el conocimiento profesional sobre la diabetes, con el objetivo de brindar apoyo inteligente a médicos, pacientes y educación médica. El equipo adoptó un nuevo marco, estableciendo un sistema integral de procesamiento de datos, creando conjuntos de datos de alta calidad y estándares de evaluación, y ajustando finamente el modelo de lenguaje grande, mejorando significativamente su rendimiento en tareas relacionadas con la diabetes.

Recientemente, un equipo internacional de investigadores chinos y singapurenses desarrolló con éxito DeepDR-LLM, el primer sistema de inteligencia artificial multimodal del mundo para el diagnóstico y tratamiento de la diabetes. Los resultados de esta investigación se publicaron el 19 de julio de 2024 en la revista Nature Medicine.

Investigadores de Klick en Canadá presentan un modelo de IA que diagnostica la diabetes tipo 2 en tan solo 6-10 segundos mediante análisis de voz. Validado con muestras de voz de 267 voluntarios, con una precisión del 89% en mujeres y del 86% en hombres. El estudio identifica el "tono" y la "desviación estándar del tono" como características clave para el diagnóstico. Se utilizaron modelos de regresión logística, Naive Bayes, etc., para el entrenamiento y las pruebas. El módulo integrado combina múltiples fuentes de información para mejorar la precisión del modelo y facilitar la intervención temprana.

Una IA puede detectar la diabetes tipo 2 con solo escuchar de 6 a 10 segundos de voz del paciente. Los resultados del estudio muestran una precisión del 89% en mujeres y del 86% en hombres. El estudio utilizó tecnología de voz para analizar más de 18.000 grabaciones y logró identificar las diferencias de voz entre pacientes diabéticos y no diabéticos.