In Breve
- Come funziona il modello di intelligenza artificiale per il diabete?
- Analizza registrazioni vocali di 20 secondi per identificare segnali associati al diabete.
- Quali sono i risultati del modello?
- Identifica correttamente il 75% dei casi di diabete rispetto ai test di emoglobina glicata.
- Può la voce sostituire gli esami ematici?
- No, il modello richiede ulteriori validazioni cliniche e non sostituisce gli esami tradizionali.
Recenti sviluppi nel campo dell’intelligenza artificiale (IA) offrono nuove speranze per la diagnosi precoce del diabete di tipo 2. Un modello innovativo, presentato al congresso dell’European Association for the Study of Diabetes, è stato in grado di identificare segnali associati alla malattia analizzando semplici registrazioni vocali di soli 20 secondi.
Questo sistema, sviluppato da una società di deep tech in collaborazione con la RMIT University di Melbourne, è stato addestrato su un ampio campione di 63.283 registrazioni vocali provenienti da 21.129 persone nel Regno Unito e negli Stati Uniti. L’algoritmo cerca specifici cambiamenti vocali, come raucedine, ruvidità e alterazioni nel controllo della respirazione, che sono stati precedentemente associati al diabete.
Durante la fase di validazione, i partecipanti sono stati invitati a leggere una favola di Esopo per 20 secondi, registrando la loro voce a distanza. I risultati sono stati promettenti: nel primo test 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 sono risultate simili tra uomini e donne e nelle diverse fasce d’età, anche se la performance è stata inferiore tra i 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 analizzato rispetto ai valori di emoglobina glicata (HbA1c) in 801 partecipanti che avevano effettuato il test a domicilio entro tre mesi dalla registrazione vocale. Qui, 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%. Inoltre, l’IA è stata in grado di distinguere tra persone a basso, medio e alto rischio basandosi sui valori di HbA1c, rivelando che nessuno dei partecipanti nella fascia di rischio più bassa presentava valori compatibili con diabete o prediabete.
È importante sottolineare che, nonostante i risultati incoraggianti, il modello non può sostituire gli esami ematici tradizionali. Sono necessarie ulteriori validazioni cliniche e test su popolazioni diverse per confermare l’affidabilità e l’applicabilità su larga scala di questa tecnologia.
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 identificate come a maggior rischio, offrendo un metodo innovativo e accessibile per la diagnosi precoce del diabete.
