Investigadores de la empresa de investigación sanitaria Klick Labs han desarrollado un modelo de aprendizaje automático capaz de determinar la presencia de diabetes de tipo 2 a partir de una breve grabación de voz de sólo 6 a 10 segundos.
El modelo muestra una tasa máxima de precisión de la prueba de 89% para las mujeres y 86% para los hombres cuando se combina con otras métricas como el índice de masa corporal (IMC).
"Nuestra investigación pone de relieve variaciones vocales significativas entre individuos con y sin diabetes de tipo 2 y podría transformar la forma en que la comunidad médica realiza las pruebas de detección de la diabetes", comentó Jaycee Kaufman, investigadora científica de Klick Labs.
El método, publicado en Mayo Clinic Proceedingsrequiere un breve clip de audio grabado con un smartphone.
"Los métodos actuales de detección pueden requerir mucho tiempo, desplazamientos y costes. La tecnología vocal tiene el potencial de eliminar por completo estas barreras", añadió Kaufman.
El estudio incluyó el análisis de 18.000 grabaciones, con el objetivo de identificar características acústicas únicas que distinguieran a los individuos diabéticos de los no diabéticos, detectando sutiles diferencias de tono e intensidad imperceptibles para el oído humano.
La diabetes en fase avanzada puede afectar a la voz al provocar daños en los nervios y alterar el flujo sanguíneo, dando lugar a enfermedades como la neuropatía, que afecta a las cuerdas vocales. El resultado puede ser una voz débil, ronca o cansada.
Además, la diabetes puede provocar sequedad de boca debido a una menor producción de saliva, lo que contribuye aún más a los problemas de voz.
Destacando el creciente papel de la IA en la atención sanitaria, los investigadores creen que esta tecnología de voz podría ampliarse para diagnosticar otras afecciones.
Yan Fossat, Vicepresidente de Klick Labs, ha declarado: "Nuestra investigación subraya el enorme potencial de la tecnología de voz para identificar la diabetes de tipo 2 y otros problemas de salud. La tecnología de voz podría revolucionar las prácticas sanitarias como herramienta de detección digital accesible y asequible."
Más información sobre el estudio
Se trata de un estudio fascinante, pero ¿es metodológicamente sólido?
El tamaño de la muestra es relativamente pequeño, y hay poca información sobre lo avanzada que está la diabetes en el grupo de diabéticos y poca información sobre el grupo de control.
No obstante, predecir las sutiles cualidades tonales del habla en los diabéticos parece ciertamente posible para aquellos con formas avanzadas o no controladas de la enfermedad.
He aquí un vistazo más de cerca:
- Objetivo: El estudio trata de investigar si el análisis de la voz podría ayudar a preseleccionar o controlar la diabetes mellitus tipo 2 (DMT2). Los investigadores se centraron en identificar diferencias en las grabaciones de voz entre individuos con y sin DMT2.
- Metodología: 267 participantes, hombres y mujeres, entre ellos personas no diabéticas y con DMT2, grabaron una frase fija varias veces al día durante dos semanas mediante una aplicación para smartphone. Este proceso generó más de 18.000 grabaciones. El equipo extrajo 14 características acústicas diferentes de estas grabaciones para analizar y comparar las voces de los participantes no diabéticos y con DMT2.
- Hallazgos: Los investigadores descubrieron diferencias significativas en las grabaciones de voz de hombres y mujeres al comparar a los participantes no diabéticos con los que padecían DMT2. Identificaron características específicas de la voz que predecían con exactitud el estado de DMT2, sobre todo al combinarlas con datos de edad e IMC. Las precisiones máximas de las pruebas alcanzaron 89% en el caso de las mujeres y 86% en el de los hombres.
- Implicaciones: Estos resultados indican que el análisis de la voz tiene potencial como herramienta de preselección o seguimiento de la DMT2. Este método podría ser especialmente útil en comunidades remotas, ya que ofrece una opción accesible y no invasiva para la detección precoz y el seguimiento continuo.
El concepto de diagnosticar enfermedades mediante una grabación de voz puede parecer descabellado, y es esencial reconocer que los mejores resultados sólo se obtuvieron cuando las grabaciones se combinaron con el IMC.
