In Breve
- Come funziona il modello di intelligenza artificiale per il diabete?
- Il modello analizza registrazioni vocali di 20 secondi per identificare segnali associati al diabete di tipo 2.
- Qual è l'accuratezza del modello nella diagnosi del diabete?
- Il modello ha raggiunto un'accuratezza dell'80% nel riconoscere le persone con diabete durante i test.
- Può la voce 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 soli 20 secondi. Questa innovativa tecnologia è stata presentata al congresso dell’European Association for the Study of Diabetes e rappresenta un passo avanti 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 nel Regno Unito e negli Stati Uniti. L’AI è stata progettata per riconoscere cambiamenti vocali precedentemente associati al diabete, come un aumento della raucedine e della ruvidità, nonché 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. Nella prima valutazione, condotta su 7.319 adulti del Regno Unito, il modello ha assegnato un punteggio di rischio più elevato all’80% delle persone che dichiaravano di avere il diabete. Le prestazioni del modello si sono rivelate simili tra uomini e donne e tra diverse fasce d’età, sebbene la performance fosse 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 livelli 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 indicato un rischio più alto per le 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 in base ai 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 i risultati non implicano che l’analisi vocale possa sostituire gli esami ematici tradizionali. Il modello necessita di ulteriori validazioni cliniche e di 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. Questo approccio potrebbe indirizzare a successivi esami ematici le persone segnalate a maggior rischio, ma resta da dimostrare l’affidabilità e l’applicabilità su larga scala.

