In Breve
- Come funziona l'algoritmo per la diagnosi del diabete?
- Analizza registrazioni vocali di 20 secondi per identificare segnali associati al diabete.
- Qual è la sensibilità dell'algoritmo?
- La sensibilità è dell'82% nei confronti delle persone con diabete.
- Può l'algoritmo sostituire gli esami ematici?
- No, l'algoritmo necessita di ulteriori validazioni cliniche e non può sostituire gli esami tradizionali.
Un recente sviluppo nel campo dell’intelligenza artificiale offre nuove possibilità per la diagnosi precoce del diabete di tipo 2. Un algoritmo innovativo è stato presentato al congresso dell’European Association for the Study of Diabetes, dimostrando la capacità di identificare segnali associati a questa malattia attraverso l’analisi di registrazioni vocali di soli 20 secondi.
Il sistema, realizzato da una società di deep tech in collaborazione con la RMIT University di Melbourne, è stato addestrato su un vasto database di 63.283 campioni vocali provenienti da 21.129 individui nel Regno Unito e negli Stati Uniti. L’algoritmo si concentra su cambiamenti vocali noti per essere associati al diabete, come la raucedine, la ruvidità e le alterazioni nel controllo della respirazione durante il parlato.
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. Nella prima valutazione, condotta su 7.319 adulti del Regno Unito, il modello ha assegnato un punteggio di rischio 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, sebbene il modello abbia mostrato una performance inferiore nei partecipanti di etnia nera, probabilmente a causa del numero ridotto di individui con diabete in quel gruppo.
In un secondo confronto con i valori di emoglobina glicata (HbA1c), analizzati su 801 partecipanti che avevano effettuato il test a domicilio entro tre mesi dalla registrazione vocale, l’algoritmo ha indicato un rischio più alto per le persone con diabete nel 75% dei casi. La sensibilità del modello è stata dell’82%, mentre il tasso di falsi positivi ha raggiunto il 47%. Inoltre, l’intelligenza artificiale è stata in grado di distinguere tra persone a basso, medio e alto rischio in base ai valori di HbA1c, con nessuno dei partecipanti nella fascia di rischio più bassa che presentava valori compatibili con diabete o prediabete.
È importante sottolineare che, sebbene i risultati siano promettenti, l’algoritmo non può sostituire gli esami ematici tradizionali. Sono necessarie ulteriori validazioni cliniche e test su popolazioni diverse per confermare l’affidabilità del modello. Tra le prospettive future, si ipotizza l’utilizzo di brevi registrazioni vocali al telefono o tramite 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’applicabilità su larga scala di questa tecnologia innovativa.
