Un algoritmo per il diabete: la voce come nuovo strumento diagnostico
Un innovativo modello di intelligenza artificiale analizza la voce per individuare segnali di diabete di tipo 2, aprendo a nuove possibilità diagnostiche.
In Breve
- Come funziona l'algoritmo per il diabete?
- Analizza registrazioni vocali di 20 secondi per identificare segnali associati al diabete di tipo 2.
- Quali sono i risultati della ricerca?
- L'algoritmo ha identificato correttamente il diabete nell'80% dei casi tra i partecipanti.
- Può la voce sostituire gli esami ematici?
- No, il modello necessita di ulteriori validazioni cliniche e test su popolazioni diverse.
Un algoritmo per il diabete: la voce come nuovo strumento diagnostico
Un innovativo modello di intelligenza artificiale ha dimostrato la sua capacità di identificare segnali associati al diabete di tipo 2 analizzando brevi registrazioni vocali di appena 20 secondi. Questo sistema, presentato recentemente al congresso dell’European Association for the Study of Diabetes, è stato sviluppato 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 individui residenti nel Regno Unito e negli Stati Uniti. L’algoritmo si concentra su cambiamenti vocali noti per essere associati al diabete, come la raucedine, la ruvidità della voce e alterazioni nel controllo della respirazione durante il parlato.
Risultati della ricerca
Durante la fase di validazione, i partecipanti sono stati invitati a leggere una favola di Esopo per 20 secondi, registrando la loro voce a distanza. Nella prima valutazione, condotta su 7.319 adulti del Regno Unito, il modello ha identificato con successo un punteggio di rischio più elevato per le persone che dichiaravano di avere il diabete nell’80% dei casi. Le prestazioni del modello sono risultate simili tra uomini e donne e tra diverse fasce d’età, anche se è emersa una performance inferiore tra i partecipanti di etnia nera, probabilmente a causa del numero ridotto di persone con diabete in quel gruppo.
In un secondo confronto, effettuato con i risultati dell’emoglobina glicata (HbA1c) su 801 partecipanti che avevano effettuato il test a domicilio entro tre mesi dalla registrazione vocale, il modello ha indicato un rischio più elevato per le persone con diabete nel 75% dei casi. La sensibilità del modello si è attestata all’82%, mentre il tasso di falsi positivi ha raggiunto il 47%.
Potenzialità future e limitazioni
L’intelligenza artificiale ha anche dimostrato la capacità di classificare le persone in categorie di rischio basso, medio e alto 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 i risultati non implicano che la voce possa sostituire gli esami ematici tradizionali. 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 tramite telefono o app come strumento di triage in medicina generale. Questo approccio potrebbe indirizzare a successivi esami ematici le persone identificate come ad alto rischio. Tuttavia, resta da dimostrare l’affidabilità e l’applicabilità su larga scala di questo metodo innovativo.
