In Breve
- Come può un algoritmo analizzare la voce per diagnosticare il diabete?
- Un algoritmo di intelligenza artificiale analizza registrazioni vocali per identificare segnali associati al diabete di tipo 2.
- Quali risultati ha ottenuto il modello durante i test?
- Il modello ha assegnato punteggi di rischio corretti nell'80% dei casi per chi dichiarava di avere il diabete.
- Il modello può sostituire gli esami ematici?
- No, il modello necessita di ulteriori validazioni cliniche e non può sostituire gli esami ematici tradizionali.
Un passo avanti nella diagnosi del diabete
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 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.
Come funziona il modello
Il sistema è stato addestrato su un vasto campione di 63.283 registrazioni vocali provenienti da 21.129 persone nel Regno Unito e negli Stati Uniti. L’algoritmo cerca specifici cambiamenti vocali che sono stati precedentemente associati al diabete, come la raucedine, la ruvidità e alterazioni nel controllo della respirazione durante il parlato.
Risultati promettenti nella validazione
Durante la fase di validazione, i partecipanti hanno registrato la loro voce mentre leggevano una favola di Esopo. In una prima valutazione su 7.319 adulti del Regno Unito, il modello ha assegnato un punteggio di rischio più elevato nell’80% dei casi a coloro che dichiaravano di avere il diabete. Le prestazioni sono risultate simili tra uomini e donne e nelle diverse fasce d’età, sebbene la performance sia stata inferiore nei partecipanti di etnia nera, probabilmente a causa del numero ridotto di persone con diabete in quel gruppo.
Confronto con i test tradizionali
In un secondo confronto, il modello è stato testato rispetto ai valori di emoglobina glicata (HbA1c) su 801 partecipanti che avevano effettuato il test a domicilio entro tre mesi dalla registrazione vocale. In questo caso, il modello ha indicato un rischio più alto nelle persone con diabete nel 75% dei casi. La sensibilità del modello è stata dell’82%, con un tasso di falsi positivi del 47%.
Possibili applicazioni future
Questo modello di intelligenza artificiale ha la capacità di distinguere tra persone a basso, medio e alto rischio sulla base dei valori di HbA1c. È interessante notare che nessuno dei partecipanti classificati nella fascia di rischio più bassa presentava valori compatibili con diabete o prediabete. Tuttavia, è importante sottolineare che il modello non può sostituire gli esami ematici tradizionali. Sono necessarie ulteriori validazioni cliniche e test su popolazioni diverse per confermare l’affidabilità e l’applicabilità su larga scala.
Conclusioni
Tra le ipotesi d’impiego futuro vi è l’utilizzo di brevi registrazioni vocali effettuate tramite telefono o applicazioni come strumento di triage in medicina generale. Questo approccio potrebbe indirizzare a successivi esami ematici le persone segnalate a maggior rischio di sviluppare il diabete, aprendo la strada a una diagnosi precoce e a un intervento tempestivo.
