Introduzione

Una ricerca innovativa presentata al congresso EASD a Milano sta esplorando un metodo inedito per lo screening del diabete di tipo 2: l'analisi della voce. Un team di ricercatori ha sviluppato un sistema basato sull’intelligenza artificiale in grado di valutare il rischio di malattia analizzando appena 20 secondi di parlato. Questa tecnologia promette, sebbene sia ancora in fase di sviluppo, una modalità di diagnosi più accessibile e meno invasiva rispetto ai tradizionali prelievi di sangue.

Metodologia

Il sistema si basa su un enorme database di 63.283 registrazioni vocali provenienti da 21.129 persone residenti nel Regno Unito e negli Stati Uniti. Le registrazioni includevano sia letture di testi che conversazioni spontanee. L'IA non analizza singole parole o frasi, ma piuttosto caratteristiche della voce come il tono, il ritmo e la modalità di articolazione, utilizzando parametri acustici per dedurre informazioni sullo stato fisiologico dell’organismo.

Validazione del Modello

La validazione iniziale ha coinvolto 7.319 adulti britannici. Il modello ha raggiunto un'area sotto la curva (AUC) di circa 0,80 quando confrontato con il diabete di tipo 2 riferito dai partecipanti. Questo indica una buona capacità di distinguere tra persone con e senza la malattia. Un test successivo, su un sottogruppo di 801 persone con HbA1c misurata, ha mostrato un'AUC di 0,75 per una HbA1c pari o superiore a 6,5%, soglia diagnostica standard, e 0,73 per il prediabete.

Risultati

Il sistema è stato in grado di identificare circa l'80% delle persone con diabete di tipo 2, come evidenziato dai dati iniziali. Tuttavia, è importante sottolineare che questa è una misura predittiva e non una diagnosi definitiva. Il modello ha prestazioni inferiori rispetto a un sistema clinico esistente (QDiabetes), ma rappresenta un passo significativo verso nuove strategie di screening.

Prospettive Future

La ricerca suggerisce che l'analisi vocale potrebbe diventare uno strumento complementare per lo screening del diabete. Sebbene la tecnologia sia ancora in fase di sviluppo, il potenziale per una diagnosi precoce e non invasiva è notevole. Ulteriori studi sono necessari per perfezionare il modello e valutarne l’efficacia su popolazioni più ampie e diverse.