In Breve
- Come funziona il modello di intelligenza artificiale per il diabete?
- Analizza registrazioni vocali di 20 secondi per identificare segnali associati al diabete di tipo 2.
- Quali sono i risultati della validazione del modello?
- Il modello ha assegnato punteggi di rischio corretti nell'80% dei casi per le persone con diabete.
- Può la voce sostituire gli esami ematici?
- No, il modello necessita di ulteriori validazioni cliniche e non può sostituire gli esami ematici.
Un innovativo modello di intelligenza artificiale ha dimostrato la capacità di identificare segnali associati al diabete di tipo 2 analizzando 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, ed è stato addestrato su un vasto campione di 63.283 registrazioni vocali provenienti da 21.129 persone nel Regno Unito e negli Stati Uniti.
Il modello si concentra su cambiamenti vocali noti per essere associati al diabete, come un aumento della raucedine e della ruvidità, oltre a variazioni 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 per 20 secondi. 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 attraverso diverse fasce d’età.
Tuttavia, la performance del modello è risultata inferiore nei partecipanti di etnia nera, probabilmente a causa del numero ridotto di individui 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%.
Inoltre, l’intelligenza artificiale ha saputo distinguere tra persone a basso, medio e alto rischio in base ai valori di HbA1c, rivelando che nessuno dei partecipanti classificati nella fascia di rischio più bassa presentava valori compatibili con diabete o prediabete. È importante sottolineare che, sebbene i risultati siano promettenti, non implicano che l’analisi vocale possa sostituire gli esami ematici. Il modello richiede ulteriori validazioni cliniche e test su popolazioni diverse.
Tra le possibili applicazioni future, 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 identificate come a maggior rischio. Tuttavia, rimane da dimostrare l’affidabilità e l’applicabilità su larga scala di questo approccio innovativo.
