In Breve

Come può l'IA riconoscere il diabete?

Analizzando registrazioni vocali di 20 secondi per identificare segnali associati al diabete di tipo 2.

Qual è la sensibilità del modello?

La sensibilità del modello è dell'82%.

Quali sono le prospettive future di questa tecnologia?

Potrebbe essere utilizzata come strumento di triage in medicina generale.

Riconoscere il Diabete di Tipo 2 attraverso la Voce: Un’Innovazione Promettente

Un innovativo modello di intelligenza artificiale ha dimostrato la capacità di individuare segnali associati al diabete di tipo 2 analizzando semplici 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.

Come Funziona l’Algoritmo

Il modello è stato addestrato su un vasto insieme di dati, comprendente 63.283 campioni vocali provenienti da 21.129 individui nel Regno Unito e negli Stati Uniti. L’algoritmo cerca specifici cambiamenti vocali che sono stati precedentemente associati al diabete, come una maggiore raucedine, ruvidità della voce e alterazioni nel controllo della respirazione durante il parlato.

Risultati della Validazione

Durante la fase di validazione, i partecipanti sono stati invitati a leggere per 20 secondi una favola di Esopo, registrando la loro voce a distanza. Nella prima valutazione, che ha coinvolto 7.319 adulti del Regno Unito, il modello ha identificato correttamente le persone con diabete nell’80% dei casi. Le prestazioni sono risultate simili tra uomini e donne e in diverse fasce d’età, sebbene la performance sia stata inferiore per i partecipanti di etnia nera, probabilmente a causa del numero ridotto di persone con diabete in quel gruppo.

Confronto con Test Clinici

In un secondo confronto, il modello è stato testato in relazione 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, l’algoritmo 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, il modello è stato in grado di classificare i partecipanti in categorie di rischio basso, medio e alto, con nessuno dei soggetti nella fascia di rischio più bassa che mostrava valori indicativi di diabete o prediabete.

Prospettive Future

È importante sottolineare che, sebbene i risultati siano promettenti, l’analisi vocale non può sostituire gli esami ematici tradizionali. Il modello richiede ulteriori validazioni cliniche e test su popolazioni diverse per confermare la sua affidabilità. Tuttavia, le potenziali applicazioni sono significative: si ipotizza l’uso di brevi registrazioni vocali tramite telefono o app come strumento di triage in medicina generale, per indirizzare a successivi esami ematici le persone segnalate a maggior rischio.

Conclusioni

Questa innovazione rappresenta un passo avanti nella diagnosi precoce del diabete di tipo 2, con l’obiettivo di migliorare l’accesso alle cure e la gestione della malattia. Resta da dimostrare l’affidabilità e l’applicabilità su larga scala, ma il potenziale di questa tecnologia è indiscutibile.