Un algoritmo di intelligenza artificiale per individuare il diabete attraverso la voce
In Breve
- Come funziona l'algoritmo 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?
- L'algoritmo ha identificato correttamente l'80% dei casi di diabete tra i partecipanti.
- L'algoritmo può sostituire gli esami ematici?
- No, necessita di ulteriori validazioni cliniche e non può sostituire i test ematici.
Un innovativo modello di intelligenza artificiale è stato sviluppato per identificare segnali associati al diabete di tipo 2 analizzando registrazioni vocali di soli 20 secondi. Questo sistema, presentato durante il congresso dell’European Association for the Study of Diabetes, è frutto della collaborazione tra una società di deep tech e la RMIT University di Melbourne.
Il modello è stato addestrato su un vasto campione di 63.283 registrazioni vocali provenienti da 21.129 individui nel Regno Unito e negli Stati Uniti. Analizzando la voce, il sistema cerca cambiamenti noti per essere associati al diabete, come raucedine, ruvidità e alterazioni nel controllo della respirazione durante il parlato.
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. In un primo studio condotto su 7.319 adulti del Regno Unito, il modello ha identificato correttamente l’80% delle persone che dichiaravano di avere il diabete, mostrando prestazioni simili tra uomini e donne e tra diverse fasce d’età. Tuttavia, la performance 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, 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. Qui, il sistema ha indicato un rischio più elevato per le persone con diabete nel 75% dei casi, con una sensibilità dell’82% e un tasso di falsi positivi del 47%.
Il modello ha anche dimostrato la capacità di classificare i partecipanti in categorie di rischio basso, medio e alto, basandosi sui valori di HbA1c. È interessante notare che nessuno dei partecipanti 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. Il modello richiede ulteriori validazioni cliniche e test su popolazioni diverse per confermare la sua affidabilità.
Tra le potenziali 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 esami ematici più approfonditi le persone identificate come ad alto rischio. Resta da dimostrare, però, l’affidabilità e l’applicabilità su larga scala di questo sistema innovativo.
