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 del modello?
- Ha assegnato punteggi di rischio corretti nell'80% dei casi per i partecipanti con diabete.
- Può l'analisi vocale sostituire gli esami ematici?
- No, il modello necessita di ulteriori validazioni cliniche e non può sostituire gli esami tradizionali.
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 brevi registrazioni vocali di appena 20 secondi. Questa innovazione è stata presentata durante il congresso dell’European Association for the Study of Diabetes e rappresenta un passo significativo nella diagnosi precoce di una malattia che colpisce milioni di persone nel mondo.
Il sistema è stato sviluppato da una società di deep tech in collaborazione con la RMIT University di Melbourne. Per addestrare il modello, sono stati utilizzati 63.283 campioni vocali provenienti da 21.129 individui residenti nel Regno Unito e negli Stati Uniti. L’AI è progettata per cercare cambiamenti vocali che sono stati precedentemente associati al diabete, come una maggiore raucedine e ruvidità, oltre a variazioni nel controllo della respirazione e della voce durante il parlato.
Nella 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 test condotto su 7.319 adulti del Regno Unito, il modello ha assegnato un punteggio di rischio più elevato a coloro 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, sebbene siano emerse alcune differenze significative: la performance è stata inferiore nei partecipanti di etnia nera, probabilmente a causa del numero ridotto di persone con diabete in quel gruppo.
Un secondo confronto è stato effettuato con l’emoglobina glicata (HbA1c), analizzando 801 partecipanti che avevano effettuato il test a domicilio entro tre mesi dalla registrazione vocale. In questo caso, il modello ha indicato un rischio più alto nelle persone con diabete nel 75% dei casi, con una sensibilità dell’82% e 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 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 ottenuti non implicano che l’analisi vocale possa sostituire gli esami ematici tradizionali. Il modello necessita di 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 al telefono o tramite app come strumento di triage in medicina generale. Questo approccio potrebbe consentire di indirizzare a esami ematici più approfonditi le persone segnalate a maggior rischio, ma resta da dimostrare l’affidabilità e l’applicabilità su larga scala.
