I ricercatori della società di ricerca sanitaria Klick Labs hanno sviluppato un modello di apprendimento automatico in grado di determinare la presenza di diabete di tipo 2 da una breve registrazione vocale di soli 6-10 secondi.
Il modello mostra un tasso massimo di accuratezza del test di 89% per le donne e di 86% per gli uomini, se combinato con altre metriche come l'indice di massa corporea (BMI).
"La nostra ricerca evidenzia variazioni vocali significative tra individui con e senza diabete di tipo 2 e potrebbe trasformare il modo in cui la comunità medica effettua lo screening del diabete", ha commentato Jaycee Kaufman, ricercatore dei Klick Labs.
Il metodo, pubblicato negli Atti della Mayo Clinicrichiede un breve clip audio registrato con lo smartphone.
"Gli attuali metodi di rilevamento possono richiedere molto tempo, viaggi e costi. La tecnologia vocale ha il potenziale per eliminare completamente queste barriere", ha aggiunto Kaufman.
Lo studio ha comportato l'analisi di 18.000 registrazioni, con l'obiettivo di identificare caratteristiche acustiche uniche che distinguono gli individui diabetici da quelli non diabetici, rilevando sottili differenze di intonazione e intensità impercettibili all'orecchio umano.
Il diabete in fase avanzata o avanzata può avere un impatto sulla voce causando danni ai nervi e compromettendo il flusso sanguigno, portando a condizioni come la neuropatia che colpisce le corde vocali. Ciò può provocare una voce debole, rauca o stanca.
Inoltre, il diabete può portare alla secchezza delle fauci a causa della ridotta produzione di saliva, contribuendo ulteriormente ai problemi di voce.
Sottolineando il ruolo crescente dell'IA nell'assistenza sanitaria, i ricercatori ritengono che questa tecnologia vocale potrebbe essere estesa per diagnosticare altre condizioni di salute.
Yan Fossat, vicepresidente di Klick Labs, ha dichiarato: "La nostra ricerca sottolinea l'enorme potenziale della tecnologia vocale nell'identificazione del diabete di tipo 2 e di altre condizioni di salute. La tecnologia vocale potrebbe rivoluzionare le pratiche sanitarie come strumento di screening digitale accessibile e conveniente".
Per saperne di più sullo studio
Si tratta di uno studio affascinante, ma è metodologicamente solido?
La dimensione del campione è relativamente piccola e le informazioni sul grado di avanzamento del diabete nel gruppo dei diabetici sono limitate, così come quelle sul gruppo di controllo.
Tuttavia, la previsione delle sottili qualità tonali del parlato nei diabetici sembra certamente possibile per coloro che hanno forme avanzate o non gestite della malattia.
Ecco un'analisi più approfondita:
- Obiettivo: Lo studio cerca di capire se l'analisi vocale possa aiutare a preselezionare o monitorare il diabete mellito di tipo 2 (T2DM). I ricercatori si sono concentrati sull'identificazione delle differenze nelle registrazioni vocali tra individui con e senza T2DM.
- Metodologia: 267 partecipanti, uomini e donne, compresi soggetti non diabetici e con T2DM, hanno registrato una frase fissa più volte al giorno per due settimane utilizzando un'applicazione per smartphone. Questo processo ha generato oltre 18.000 registrazioni. Il team ha estratto 14 diverse caratteristiche acustiche da queste registrazioni per analizzare e confrontare le voci dei partecipanti non diabetici e con T2DM.
- Risultati: I ricercatori hanno scoperto differenze significative nelle registrazioni vocali di uomini e donne quando hanno confrontato i partecipanti non diabetici con quelli con T2DM. Hanno identificato caratteristiche vocali specifiche che predicevano con precisione lo stato di T2DM, in particolare quando le combinavano con i dati relativi all'età e al BMI. La massima accuratezza del test ha raggiunto 89% per le donne e 86% per gli uomini.
- Implicazioni: Questi risultati indicano che l'analisi vocale ha un potenziale come strumento di preselezione o monitoraggio del T2DM. Questo metodo potrebbe essere particolarmente utile nelle comunità remote, fornendo un'opzione accessibile e non invasiva per la diagnosi precoce e il monitoraggio continuo.
Il concetto di diagnosticare una malattia attraverso una registrazione vocale può sembrare inverosimile, ed è essenziale riconoscere che i risultati migliori sono stati ottenuti solo quando le registrazioni sono state combinate con il BMI.
