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 identificato correttamente il rischio di diabete nell'80% dei casi in un campione di 7.319 adulti.
- Può sostituire gli esami ematici?
- No, il modello necessita di ulteriori validazioni cliniche e non può sostituire gli esami ematici tradizionali.
Un recente studio ha dimostrato 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. 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 questa malattia.
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 persone, sia nel Regno Unito che negli Stati Uniti. L’AI è stata progettata per rilevare cambiamenti vocali che sono stati precedentemente associati al diabete, come la raucedine, la 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 per 20 secondi. In un primo studio 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, ma la performance è stata 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 testato rispetto ai valori di emoglobina glicata (HbA1c) su 801 partecipanti che avevano effettuato il test a domicilio entro tre mesi dalla registrazione vocale. In questo caso, il modello ha identificato 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%. Inoltre, l’AI è stata in grado di distinguere tra persone a basso, medio e alto rischio sulla base dei valori di HbA1c, con nessuno dei partecipanti classificati nella fascia di rischio più bassa che presentava valori compatibili con diabete o prediabete.
È importante sottolineare che, sebbene i risultati siano promettenti, non implicano che l’analisi vocale possa sostituire gli esami ematici tradizionali. Il modello richiede ulteriori validazioni cliniche e test su popolazioni diverse per confermarne l’affidabilità e l’applicabilità su larga scala.
Tra le possibili 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 successivi esami ematici le persone segnalate a maggior rischio, ma resta da dimostrare la sua efficacia in contesti reali.
