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 identificato correttamente il rischio di diabete nell'80% dei casi tra i partecipanti.
- Può la voce sostituire gli esami ematici?
- No, il modello necessita di ulteriori validazioni cliniche e non può sostituire gli esami tradizionali.
Un innovativo modello di intelligenza artificiale ha dimostrato la capacità di identificare segnali associati al diabete di tipo 2 analizzando semplici registrazioni vocali di appena 20 secondi. Questo sistema, sviluppato da una società di deep tech in collaborazione con la RMIT University di Melbourne, è stato presentato durante il congresso dell’European Association for the Study of Diabetes.
Il modello è stato addestrato su un vasto dataset di 63.283 campioni vocali, provenienti da 21.129 persone residenti nel Regno Unito e negli Stati Uniti. La tecnologia si basa sull’analisi di cambiamenti vocali noti per essere associati al diabete, come una maggiore raucedine, ruvidità e alterazioni nel controllo della respirazione e della voce 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 una prima valutazione su 7.319 adulti del Regno Unito, il modello ha assegnato un punteggio di rischio più elevato per il diabete nell’80% dei casi, mostrando prestazioni simili tra uomini e donne e nelle 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, il modello è stato messo a confronto con i risultati dell’emoglobina glicata (HbA1c) su 801 partecipanti che avevano effettuato il test a domicilio entro tre mesi dalla registrazione vocale. Qui, il modello ha indicato un rischio più elevato di diabete nel 75% dei casi, con una sensibilità dell’82% e un tasso di falsi positivi del 47%. Inoltre, l’intelligenza artificiale è riuscita a distinguere tra persone a basso, medio e alto rischio sulla base dei 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, l’analisi vocale non può sostituire gli esami ematici tradizionali. Il modello necessita di ulteriori validazioni cliniche e test su popolazioni diverse per confermarne l’affidabilità. Tra le possibili applicazioni future, si ipotizza l’uso di brevi registrazioni vocali tramite telefono o app come strumento di triage in medicina generale, per indirizzare a successivi esami ematici le persone segnalate a maggior rischio. Tuttavia, resta da dimostrare l’affidabilità e l’applicabilità su larga scala di questa tecnologia.