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.

Qual è la sensibilità del modello nella rilevazione del diabete?

La sensibilità è stata dell'82% durante i test.

Il modello può sostituire gli esami ematici?

No, il modello necessita di ulteriori validazioni cliniche e non può sostituire gli esami ematici.

Intelligenza Artificiale e Diabete: Riconoscere il Rischio dalla Voce

Un innovativo modello di intelligenza artificiale ha dimostrato la capacità di identificare segnali associati al diabete di tipo 2 analizzando registrazioni vocali di soli 20 secondi. Questo sistema, presentato al congresso dell’European Association for the Study of Diabetes, è stato sviluppato da una società di deep tech in collaborazione con la RMIT University di Melbourne.

Il modello è stato addestrato su un vasto insieme di dati, comprendente 63.283 campioni vocali provenienti da 21.129 persone residenti nel Regno Unito e negli Stati Uniti. La tecnologia si basa sull’analisi di cambiamenti vocali noti per essere associati al diabete, come la raucedine, la ruvidità della voce e alterazioni nel controllo della respirazione durante il parlato.

La Fase di Validazione del Modello

Durante la fase di validazione, i partecipanti sono stati invitati a leggere per 20 secondi una favola di Esopo, registrando la loro voce a distanza. In un primo studio condotto 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 del modello sono risultate simili tra uomini e donne e nelle diverse fasce d’età, sebbene siano emerse alcune discrepanze tra i gruppi etnici, con una performance 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. Qui, 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%.

Potenziale Futuro e Limitazioni

Il modello ha anche dimostrato la capacità di distinguere tra persone a basso, medio e alto rischio sulla base dei valori di HbA1c. È interessante notare che nessuno dei partecipanti classificati nella fascia di rischio più bassa presentava valori compatibili con diabete o prediabete.

Tuttavia, è importante sottolineare che i risultati ottenuti non implicano che l’analisi vocale possa sostituire gli esami ematici tradizionali. Il modello richiede ulteriori validazioni cliniche e test su popolazioni diverse per confermare la sua 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 aiutare a indirizzare a ulteriori esami ematici le persone segnalate a maggior rischio, ma resta da dimostrare l’affidabilità e l’applicabilità su larga scala.