Intelligenza Artificiale e Diabete: Riconoscere i Segnali Vocali in 20 Secondi
Un nuovo modello di intelligenza artificiale analizza la voce per identificare segnali di diabete di tipo 2, promettendo un futuro innovativo nella diagnosi.
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 il tasso di accuratezza del modello?
- Il modello ha mostrato un'accuratezza dell'80% nel riconoscere le persone con diabete.
- Può la voce sostituire gli esami ematici?
- No, il modello necessita di ulteriori validazioni cliniche e non può sostituire gli esami tradizionali.
Un innovativo modello di intelligenza artificiale (AI) ha dimostrato la capacità di identificare segnali associati al diabete di tipo 2 attraverso l’analisi di registrazioni vocali di soli 20 secondi. Questo sistema è stato presentato al congresso dell’European Association for the Study of Diabetes e sviluppato da una società di deep tech in collaborazione con la RMIT University di Melbourne.
Il modello è stato addestrato su un vasto set di dati, comprendente 63.283 campioni vocali provenienti da 21.129 persone nel Regno Unito e negli Stati Uniti. Durante l’analisi, l’AI ricerca cambiamenti vocali noti per essere associati al diabete, come raucedine, ruvidità e alterazioni nel controllo della respirazione e della voce durante il parlato.
Nella fase di validazione, i partecipanti sono stati invitati a leggere una favola di Esopo per 20 secondi, registrando la loro voce a distanza. In una prima valutazione 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 dimostrate simili tra uomini e donne e nelle diverse fasce d’età, ma la performance è risultata inferiore nei partecipanti di etnia nera, probabilmente a causa del numero ridotto di persone con diabete in quel gruppo.
In un secondo confronto con l’emoglobina glicata (HbA1c), analizzato su 801 partecipanti che avevano effettuato il test a domicilio entro tre mesi dalla registrazione vocale, il modello 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 sulla base dei valori di HbA1c, con nessuno dei partecipanti classificati nella fascia di rischio più bassa che presentava valori compatibili con diabete o prediabete.
È importante sottolineare che i risultati ottenuti non implicano che la voce possa sostituire gli esami ematici tradizionali. Il modello necessita di ulteriori validazioni cliniche e test su popolazioni diverse per confermare la sua efficacia. Tuttavia, tra le possibili applicazioni future, si prevede l’uso di brevi registrazioni vocali al telefono o tramite app come strumento di triage in medicina generale. Questo potrebbe consentire di indirizzare a successivi esami ematici le persone segnalate a maggior rischio, ma resta da dimostrare l’affidabilità e l’applicabilità su larga scala.
