Un algoritmo rivoluzionario per la diagnosi del diabete attraverso la voce

Un innovativo modello di intelligenza artificiale ha dimostrato la capacità di identificare segnali associati al diabete di tipo 2 analizzando registrazioni vocali della durata di soli 20 secondi. Questa scoperta è stata presentata al congresso dell’European Association for the Study of Diabetes ed è frutto di una collaborazione tra una società di deep tech e la RMIT University di Melbourne.

Il sistema è stato addestrato su un vasto campione di 63.283 registrazioni vocali provenienti da 21.129 individui residenti nel Regno Unito e negli Stati Uniti. L’algoritmo è in grado di rilevare cambiamenti vocali che sono stati precedentemente associati al diabete, come raucedine, ruvidità e alterazioni nel controllo della respirazione durante il parlato.

Risultati della validazione

Nella fase di validazione, i partecipanti hanno letto una favola di Esopo per 20 secondi, registrando la loro voce a distanza. Nella prima valutazione, su un campione di 7.319 adulti del Regno Unito, il modello ha assegnato un punteggio di rischio più elevato all’80% delle persone che dichiaravano di avere il diabete, mostrando prestazioni simili tra uomini e donne e nelle diverse fasce d’età. Tuttavia, la performance è risultata inferiore nei partecipanti di etnia nera, probabilmente a causa del numero ridotto di persone con diabete in quel gruppo.

In un secondo confronto con i valori di emoglobina glicata (HbA1c), analizzato su 801 partecipanti che avevano effettuato il test a domicilio entro tre mesi dalla registrazione vocale, il modello ha indicato un rischio più alto per le persone con diabete nel 75% dei casi. La sensibilità del modello è stata dell’82%, mentre il tasso di falsi positivi ha raggiunto il 47%.

Implicazioni future

Questo algoritmo non solo ha dimostrato di distinguere tra persone a basso, medio e alto rischio sulla base dei valori di HbA1c, ma ha anche evidenziato che nessuno dei partecipanti classificati nella fascia di rischio più bassa presentava valori compatibili con diabete o prediabete. Tuttavia, è importante sottolineare che i risultati non implicano che l’analisi vocale possa sostituire gli esami ematici. Il modello necessita di ulteriori validazioni cliniche e test su popolazioni diverse.

Tra le potenziali applicazioni future, si ipotizza l’uso di brevi registrazioni vocali tramite telefono o app come strumento di triage in medicina generale. Questo approccio potrebbe indirizzare le persone a maggior rischio verso successivi esami ematici, ma resta da dimostrare l’affidabilità e l’applicabilità su larga scala.