EASD2026: Diagnosi diabete, 20 secondi di parlato con intelligenza artificiale
I segnali del diabete di tipo 2 possono essere individuati in pochi secondi dal modo di parlare di una persona. Lo afferma una nuova ricerca, presentata al congresso annuale dell’Associazione Europea per lo Studio del Diabete (EASD) a Milano (28 settembre – 2 ottobre).
Lo studio, il più ampio nel suo genere, conclude che l’analisi di brevi registrazioni basata sull’intelligenza artificiale potrebbe rappresentare uno strumento di screening rapido, non invasivo e scalabile per questa patologia.
Il diabete di tipo 2 sta diventando sempre più diffuso e la diagnosi precoce è fondamentale per prevenire complicazioni come malattie cardiache e danni ai nervi. Tuttavia, molti casi non vengono diagnosticati, mettendo sotto pressione i sistemi sanitari. Nel Regno Unito, ad esempio, circa il 30% dei casi non viene diagnosticato e circa il 60% dei 10,7 miliardi di sterline che il Servizio Sanitario Nazionale (NHS) spende ogni anno per il diabete è destinato alla gestione delle complicanze.
Attualmente lo screening prevede esami del sangue o visite dal medico di base.
Ad esempio, il Servizio Sanitario Nazionale (NHS) britannico include lo screening per il diabete nei controlli sanitari offerti ogni cinque anni alle persone di età superiore ai 40 anni, ma meno della metà degli adulti idonei (40,4%) si sottopone a questi appuntamenti utili, ma che richiedono tempo, affermano gli autori dello studio.
Precedenti ricerche hanno collegato il diabete di tipo 2 a cambiamenti nel linguaggio, come un aumento della raucedine e della ruvidezza della voce, nonché all’incapacità di controllare il respiro e la voce durante il parlato.
I ricercatori dell’azienda di deep tech thymia, guidati da Roseline Polle, ricercatrice senior in apprendimento automatico, e dalla dottoressa Elisa Brann, ricercatrice senior, insieme ai colleghi della RMIT University di Melbourne, in Australia, hanno inizialmente sviluppato un modello di intelligenza artificiale per rilevare questi cambiamenti, addestrandolo su 63.283 campioni vocali di 21.129 persone nel Regno Unito e negli Stati Uniti che avevano dichiarato se avevano ricevuto una diagnosi di diabete.
In seguito, hanno convalidato, ovvero testato, il modello vocale su registrazioni remote di 20 secondi effettuate da persone che leggevano una delle favole di Esopo (brevi storie con personaggi animali e insegnamenti morali).
La prima delle due valutazioni ha confrontato le prestazioni del modello su registrazioni effettuate da 7.319 adulti (67% donne, 45,8% di età pari o superiore a 40 anni , 217 dei quali hanno dichiarato di avere il diabete di tipo 2) nel Regno Unito.
Questo studio ha rilevato che il modello vocale attribuiva un punteggio di rischio più elevato agli individui che dichiaravano di avere il diabete di tipo 2 rispetto a quelli che non dichiaravano di avere la patologia nell’80% dei casi, un dato considerato clinicamente utile.
Il modello ha ottenuto buoni risultati indipendentemente dal sesso e dall’età. Tuttavia, le prestazioni sono risultate inferiori con le registrazioni dei partecipanti di colore. Ciò è probabilmente dovuto al basso numero di partecipanti di colore che hanno dichiarato di essere affetti da diabete di tipo 2, affermano gli autori.
Le prestazioni sono risultate inferiori anche nelle registrazioni di persone affette da malattie cardiache, ipertensione o obesità. Si ritiene che ciò sia dovuto al fatto che queste patologie spesso coincidono con il diabete di tipo 2 e possono causare cambiamenti vocali simili.
La seconda valutazione ha coinvolto un sottogruppo di 801 partecipanti che hanno effettuato il test dell’HbA1c a casa entro tre mesi dalla registrazione del discorso. (Il test dell’HbA1c misura i livelli medi di glicemia negli ultimi due o tre mesi ed è il test di riferimento per il diabete di tipo 2. Può essere utilizzato anche per individuare il prediabete, in cui i livelli di glicemia sono superiori alla norma ma non abbastanza alti da essere classificati come diabete.)
In questo caso, il modello vocale ha attribuito un punteggio di rischio più elevato alle persone con diabete di tipo 2 rispetto a quelle senza la patologia, sulla base dei test HbA1c, nel 75% dei casi. La sensibilità è risultata dell’82% (ovvero il modello ha individuato correttamente l’82% degli individui con diabete di tipo 2) e il tasso di falsi positivi del 47%.
Il modello vocale è stato anche in grado di distinguere tra persone a basso, medio e alto rischio di diabete di tipo 2, in base ai loro risultati di HbA1c. Nessuna delle persone classificate dal modello a basso rischio presentava valori ematici nella fascia diabetica o prediabetica.
I ricercatori concludono che il diabete di tipo 2 può essere rilevato a livelli clinicamente utili a partire da 20 secondi di parlato.
In attesa di un’ulteriore validazione clinica dello strumento, una possibile soluzione sarebbe che i medici di base utilizzassero brevi registrazioni per effettuare un triage dei pazienti. Coloro che presentano un rischio più elevato potrebbero poi essere sottoposti a esami del sangue per confermare la loro condizione. Lo screening vocale affiancherebbe gli esami del sangue, senza sostituirli, affermano gli autori.
Giedrė Čepukaitytė, ricercatrice presso thymia, che presenterà i risultati all’EASD, afferma: “Questo è il più grande studio sul campo, condotto finora, sullo screening del diabete di tipo 2 basato sul parlato, che confronta le previsioni del modello con i risultati degli esami del sangue e con quanto riportato dalle persone riguardo alla propria diagnosi. Coloro che sono stati segnalati come a maggior rischio dal modello presentavano risultati ematici corrispondenti.”
“Questo ha il potenziale per cambiare il modo in cui vengono effettuati gli screening. Un campione vocale può essere raccolto per telefono o tramite un’app, consentendoci di raggiungere molte più persone che necessitano di un esame del sangue rispetto ai metodi attuali, in particolare coloro che non si sottopongono mai a un controllo medico.”
“Il nostro modello apre una nuova strada per lo screening del diabete. Non sostituisce un esame del sangue e non dovrebbe mai impedire a chi pensa di averne bisogno di sottoporsi a un esame del sangue.
“Il nostro prossimo passo è testare il modello in contesti clinici e capire quanto bene funzioni per ogni gruppo di persone, perché uno strumento di screening deve funzionare per tutti.”
