Rivoluzione nella diagnosi del diabete: l’analisi vocale come strumento innovativo
In Breve
- Come funziona l'analisi vocale per il diabete?
- Analizza registrazioni vocali di 20 secondi per identificare segnali associati al diabete di tipo 2.
- Quali sono i risultati dello studio?
- Il modello ha identificato correttamente il diabete nell'80% dei casi tra i partecipanti.
- L'analisi vocale può sostituire gli esami ematici?
- No, richiede ulteriori validazioni cliniche e non può sostituire gli esami tradizionali.
Un recente studio ha rivelato che un modello di intelligenza artificiale è in grado di identificare segnali associati al diabete di tipo 2 analizzando semplici registrazioni vocali di soli 20 secondi. Questa innovativa tecnologia è stata presentata al congresso dell’European Association for the Study of Diabetes e sviluppata da una società di deep tech in collaborazione con la RMIT University di Melbourne.
Il modello è stato addestrato su un vasto campione di 63.283 registrazioni vocali provenienti da 21.129 persone residenti nel Regno Unito e negli Stati Uniti. L’algoritmo si concentra su cambiamenti vocali noti per essere associati al diabete, come raucedine, ruvidità e alterazioni nel controllo della respirazione e della voce durante il parlato.
Durante la fase di validazione, i partecipanti hanno registrato la loro voce mentre leggevano una favola di Esopo. I risultati sono stati sorprendenti: nel primo test su 7.319 adulti del Regno Unito, il modello ha assegnato un punteggio di rischio più elevato per il diabete nell’80% dei casi, dimostrando una performance simile 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.
Un secondo confronto è stato effettuato con i valori di emoglobina glicata (HbA1c) su 801 partecipanti che avevano effettuato un test a domicilio entro tre mesi dalla registrazione vocale. In questo caso, il modello ha indicato un rischio più alto di 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 in base ai valori di HbA1c, evidenziando che nessuno dei partecipanti classificati nella fascia di rischio più bassa presentava valori compatibili con diabete o prediabete.
È importante notare che, sebbene i risultati siano promettenti, non si può affermare che l’analisi vocale possa sostituire gli esami ematici tradizionali. Il modello richiede ulteriori validazioni cliniche e test su popolazioni diverse per confermarne l’affidabilità.
Le potenziali applicazioni future di questa tecnologia sono affascinanti. Si ipotizza l’uso di brevi registrazioni vocali al telefono o tramite app come strumento di triage in medicina generale, per indirizzare a successivi esami ematici le persone segnalate a maggior rischio. Tuttavia, resta da dimostrare l’affidabilità e l’applicabilità su larga scala di questo approccio innovativo.
