In Breve
- Come funziona il modello di intelligenza artificiale per il diabete?
- Analizza registrazioni vocali di 20 secondi per identificare segnali di diabete di tipo 2.
- Qual è la sensibilità del modello?
- La sensibilità è stata dell'82% con un tasso di falsi positivi del 47%.
- Può l'analisi vocale sostituire gli esami ematici?
- No, il modello necessita di ulteriori validazioni cliniche e non può sostituire gli esami ematici.
Un recente studio ha rivelato che un modello di intelligenza artificiale (AI) è in grado di identificare segnali associati al diabete di tipo 2 analizzando registrazioni vocali di appena 20 secondi. Questo innovativo sistema, presentato 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 nel Regno Unito e negli Stati Uniti. La ricerca si concentra su cambiamenti vocali precedentemente associati al diabete, come un aumento della raucedine e della ruvidità della voce, oltre a variazioni nel controllo della respirazione durante il parlato.
Durante la fase di validazione, i partecipanti hanno registrato la loro voce mentre leggevano una favola di Esopo per 20 secondi. In una prima valutazione su 7.319 adulti del Regno Unito, il modello ha identificato correttamente le persone con diabete nell’80% dei casi, mostrando prestazioni simili tra uomini e donne e in diverse fasce d’età. Tuttavia, la performance è risultata inferiore nei partecipanti di etnia nera, probabilmente a causa del numero ridotto di persone con diabete in quel gruppo.
In un secondo confronto con i valori di emoglobina glicata (HbA1c), analizzati su 801 partecipanti che avevano effettuato il test a domicilio entro tre mesi dalla registrazione vocale, il modello ha identificato un rischio maggiore di diabete nel 75% dei casi. La sensibilità del modello è stata dell’82%, con un tasso di falsi positivi del 47%.
L’intelligenza artificiale ha anche dimostrato la capacità di distinguere tra persone a basso, medio e alto rischio in base ai 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 l’analisi vocale possa sostituire gli esami ematici tradizionali. 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 segnalate a maggior rischio, ma resta da dimostrare la sua applicabilità su larga scala.
