Un algoritmo rivoluzionario per il diabete: la voce come strumento diagnostico

Un innovativo modello di intelligenza artificiale ha dimostrato di poter identificare segnali associati al diabete di tipo 2 analizzando registrazioni vocali di soli 20 secondi. Questo sistema, presentato al congresso dell’European Association for the Study of Diabetes, è frutto di una collaborazione tra una società di deep tech e la RMIT University di Melbourne. È stato addestrato su un ampio campione di 63.283 registrazioni vocali provenienti da 21.129 individui nel Regno Unito e negli Stati Uniti.

Il modello si basa sull’analisi di cambiamenti vocali noti per essere associati al diabete, come la raucedine, la ruvidità e le alterazioni nel controllo della respirazione e della voce durante il parlato. Durante la fase di validazione, i partecipanti hanno letto per 20 secondi una favola di Esopo, registrando la propria voce da una certa distanza. Nella prima valutazione, condotta su 7.319 adulti nel Regno Unito, il modello ha assegnato un punteggio di rischio più elevato a coloro che dichiaravano di avere il diabete nell’80% dei casi. Le prestazioni sono risultate simili tra uomini e donne e nelle diverse fasce d’età, ma la performance è stata inferiore tra i partecipanti di etnia nera, probabilmente a causa del numero ridotto di persone con diabete in quel gruppo.

In un secondo confronto, il modello è stato testato rispetto ai livelli di emoglobina glicata (HbA1c) su 801 partecipanti che avevano effettuato il test a domicilio entro tre mesi dalla registrazione vocale. In questo caso, il sistema ha indicato un rischio più alto per le persone con diabete nel 75% dei casi, con una sensibilità dell’82% e un tasso di falsi positivi del 47%. Inoltre, l’intelligenza artificiale è stata in grado di distinguere tra persone a basso, medio e alto rischio sulla base dei valori di HbA1c, dimostrando che nessuno dei partecipanti classificati nella fascia di rischio più bassa presentava valori compatibili con diabete o prediabete.

È importante sottolineare che i risultati ottenuti non suggeriscono che l’analisi vocale possa sostituire gli esami ematici. Il modello richiede ulteriori validazioni cliniche e test su popolazioni diverse per confermare la sua efficacia. Tra le possibili applicazioni future, si ipotizza l’uso di brevi registrazioni vocali al telefono o tramite app come strumento di triage in medicina generale. Questo approccio potrebbe indirizzare a successivi esami ematici le persone identificate a maggior rischio, ma resta da dimostrare l’affidabilità e l’applicabilità su larga scala.