未來只要說幾句話，AI 就能判斷你的血壓是否正常。這聽起來像是科幻電影的情節，但卻是來自多倫多大學最新的醫療科技突破。

研究顯示，AI 可以透過聲音分析來檢測高血壓，成為一種簡便、非侵入性且低成本的健康篩檢工具。研究人員透過錄製參與者的聲音，再運用機器學習模型分析聲音的時間特徵與頻譜特徵，試圖找出與高血壓相關的潛在線索。這項技術不僅顛覆了傳統的血壓檢測方式，還為醫療資源不足的地區提供了可行的解決方案，顯示出極大的應用潛力。

如何用語音數據判斷高血壓風險？

傳統的血壓測量方式，如血壓計或自動血壓監測儀，雖然準確可靠，但往往需要專業人員操作，且設備成本較高，這讓它們在偏遠地區難以普及。而AI透過聲音分析高血壓的技術，則大幅降低了這些門檻。只需一個簡單的錄音設備，甚至是智慧手機，便能輕鬆收集語音數據，並透過AI進行分析，給出高血壓風險的初步判斷。這種技術的核心在於AI對語音數據的深度解析，它能夠捕捉人耳無法察覺的微小變化，例如語速、語調、聲帶震動頻率等，而辨別出潛在的健康風險。

研究團隊收集了245名參與者（其中包含91名女性）的聲音數據，並根據兩個血壓閾值進行模型訓練和預測：135/85 mmHg 和 140/90 mmHg。結果顯示，在第一個閾值下，女性的預測準確度達到84%，男性則為77%；而在更高的閾值標準下，女性的準確度為63%，男性則提高到86%。雖然不同性別與標準下的數據有所差異，但整體來說，這項技術展示了非侵入性語音檢測在高血壓篩檢上的可行性與實用性。

這項技術的潛力不僅在於檢測的便利性，更在於它所帶來的廣泛應用價值。在醫療資源稀缺的地區，這樣的篩檢工具能夠顯著提升高血壓早期診斷的覆蓋率，而降低患者因延誤治療而導致嚴重併發症的風險。同時，語音數據可以輕鬆透過遠距醫療平台傳輸到專業醫療機構，實現遠距篩檢，進一步減少醫療資源分配不均的問題。

當然，這項技術仍面臨著一些挑戰。首先，語音特徵的多樣性是目前AI模型面臨的一大難題。不同的語言、口音、語速、語調，甚至是年齡和性別，都可能影響聲音的時間與頻譜特徵，進而影響AI模型的判斷準確性。此外，環境噪音也是一個難以忽視的因素。在真實場景中，聲音錄製往往受到背景噪音的干擾，這可能導致模型辨別錯誤。因此，如何提高AI模型的穩定性與泛化性，讓它能在不同環境、不同語言背景下都能準確辨別高血壓跡象，將是未來技術優化的重要方向。

AI 模型在不同族群的準確度可能下降

另一方面，數據樣本的代表性也是這項技術推廣的重要挑戰。現階段，多倫多大學的研究樣本主要來自特定族群（例如印度裔），而不同種族、地區的聲音特徵可能存在顯著差異，這可能導致AI模型在其他族群中準確性下降。

如果要實現全球的廣泛應用，未來必須擴大數據樣本的多樣性，涵蓋不同年齡層、性別、語言背景以及更多種族的參與者。此外，還需要進一步優化模型，使其在少量數據或單次錄音的情況下也能保持高效、穩定的預測性能。只有克服這些挑戰，這項技術才能真正實現全球普及與應用，造福更多需要健康篩檢的群體。

儘管如此，這項研究無疑為未來的健康篩檢開啟了一扇新的大門。透過語音數據，AI不僅能預測血壓狀態，還有潛力進一步應用於其他健康風險的辨別。隨著演算法的持續優化與數據的不斷累積，未來我們甚至可以想像，語音助手在日常對話中便能即時提醒：「你的聲音顯示出血壓異常，建議盡快檢查。」

AI透過聲音「聽出」高血壓，顯示出科技與醫療跨界結合的無限可能。當這項技術逐漸成熟並實現大規模應用時，我們或許能真正迎來一個人人都能輕鬆監控自身健康的未來。

新聞來源/ 科技新報

圖檔來源/ 123rf.com