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 principali dello studio?
- Il modello ha identificato correttamente il rischio di diabete nell'80% dei casi tra i partecipanti.
- Può la voce sostituire gli esami ematici?
- No, il modello richiede ulteriori validazioni cliniche e non è destinato a sostituire gli esami ematici.
Un recente studio presentato al congresso dell’European Association for the Study of Diabetes ha rivelato che un modello di intelligenza artificiale (IA) è in grado di identificare segnali associati al diabete di tipo 2 analizzando registrazioni vocali di soli 20 secondi. Questo sistema, sviluppato da una società di deep tech in collaborazione con la RMIT University di Melbourne, 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 basa 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: su un campione di 7.319 adulti del Regno Unito, il modello ha correttamente assegnato un punteggio di rischio più elevato per il diabete nell’80% dei casi.
Le prestazioni del modello si sono dimostrate simili tra uomini e donne e nelle diverse fasce d’età, tuttavia, è emerso che la sua efficacia era inferiore nei partecipanti di etnia nera, probabilmente a causa del numero ridotto di individui con diabete in quel gruppo. Un secondo confronto, effettuato analizzando i risultati dell’emoglobina glicata (HbA1c) su 801 partecipanti che avevano effettuato il test a domicilio entro tre mesi dalla registrazione vocale, ha mostrato che il modello ha indicato un rischio più elevato per il 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 classificare i partecipanti in base ai valori di HbA1c, distinguendo tra basso, medio e alto rischio. È interessante notare che nessuno dei partecipanti classificati nella fascia di rischio più bassa presentava valori compatibili con diabete o prediabete.
È fondamentale sottolineare che, sebbene i risultati siano promettenti, il modello non è destinato a sostituire gli esami ematici. Sono necessari ulteriori studi clinici e test su popolazioni diverse per validare l’affidabilità e l’applicabilità di questo approccio su larga scala.
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. Questo potrebbe consentire di indirizzare a esami ematici ulteriori le persone identificate come ad alto rischio, migliorando così la tempestività e l’efficacia della diagnosi del diabete.
