In Breve

Come può l'intelligenza artificiale aiutare nella diagnosi del diabete?

Può analizzare registrazioni vocali per identificare segnali associati al diabete di tipo 2.

Qual è la percentuale di accuratezza del modello nella diagnosi?

Il modello ha identificato correttamente le persone con diabete nell'80% dei casi.

Quali sono le prospettive future per questa tecnologia?

Potrebbe essere utilizzata come strumento di triage in medicina generale.

Riconoscere il Diabete di Tipo 2 attraverso la Voce: Un’Innovazione della Tecnologia AI

Un recente studio presentato al congresso dell’European Association for the Study of Diabetes ha rivelato come un modello di intelligenza artificiale (AI) sia in grado di identificare segnali associati al diabete di tipo 2 analizzando semplici registrazioni vocali di soli 20 secondi. Questa innovazione, sviluppata da una società di deep tech in collaborazione con la RMIT University di Melbourne, rappresenta un passo significativo verso l’integrazione della tecnologia nella diagnosi precoce di malattie croniche.

Come Funziona il Modello di AI

Il sistema è stato addestrato su un vasto campione di 63.283 registrazioni vocali provenienti da 21.129 individui nel Regno Unito e negli Stati Uniti. Analizzando i cambiamenti vocali, il modello rileva caratteristiche precedentemente associate al diabete, come raucedine, ruvidità e alterazioni nel controllo della respirazione e della voce durante il parlato.

Risultati della Validazione

Nella fase di validazione, i partecipanti hanno letto per 20 secondi una favola di Esopo, registrando la loro voce a distanza. In un primo test su 7.319 adulti del Regno Unito, il modello ha identificato correttamente le persone con diabete nell’80% dei casi. Le prestazioni del modello si sono dimostrate simili tra uomini e donne e nelle diverse fasce d’età, sebbene la performance sia risultata inferiore nei partecipanti di etnia nera, probabilmente a causa di un numero ridotto di persone con diabete in quel gruppo.

Confronto con l’Emoglobina Glicata

In un secondo confronto effettuato su 801 partecipanti che avevano eseguito un test dell’emoglobina glicata (HbA1c) a domicilio entro tre mesi dalla registrazione vocale, il modello ha indicato un rischio più alto di diabete nel 75% dei casi. La sensibilità del modello è stata dell’82%, con un tasso di falsi positivi del 47%. Inoltre, il sistema ha saputo distinguere le 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.

Prospettive Future

Nonostante i risultati promettenti, è importante sottolineare che questo 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. Tra le potenziali applicazioni future, si prevede 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 a maggior rischio.

Conclusioni

Questa innovazione rappresenta un importante passo avanti nella diagnosi del diabete di tipo 2, offrendo un metodo non invasivo e facilmente accessibile per identificare i soggetti a rischio. Con ulteriori sviluppi e validazioni, la tecnologia potrebbe trasformare il modo in cui monitoriamo e gestiamo questa condizione cronica.