Diabete tipo 2, l’IA stima il rischio da 20 secondi di voce. Lo studio all’Easd

Un modello di intelligenza artificiale può identificare persone a rischio di diabete tipo 2 attraverso l’analisi di una registrazione vocale di 20 secondi. È quanto emerge da uno studio È quanto emerge da uno studio presentato al congresso annuale della European Association for the Study of Diabetes (EASD), in corso a Milano dal 28 settembre al 2 ottobre, condotto su oltre 7.000 adulti nel Regno Unito, nel quale le prestazioni del sistema sono state validate anche attraverso la misurazione dell’emoglobina glicata (HbA1c). Il lavoro è disponibile come preprint su medRxiv e non è ancora stato sottoposto a revisione tra pari. 

Il modello utilizza caratteristiche paralinguistiche estratte dalla voce attraverso tecniche di apprendimento automatico. È stato sviluppato su un insieme di dati comprendente 63.283 campioni vocali provenienti da 21.129 persone residenti nel Regno Unito o negli Stati Uniti. La successiva validazione ha coinvolto 7.319 adulti britannici, mentre un sottogruppo di 801 partecipanti è stato sottoposto anche a test dell’HbA1c. 

Nella prima fase il modello ha raggiunto un’AUC di 0,80 nel distinguere le persone che riferivano una diagnosi di diabete tipo 2 da quelle senza diagnosi. Il risultato è stato confrontato con QDiabetes, strumento di valutazione del rischio raccomandato dal NICE nel Regno Unito, che ha ottenuto un’AUC di 0,86. La capacità discriminativa complessiva del modello vocale è risultata quindi inferiore, mentre non sono emerse differenze statisticamente significative nella sensibilità e nella specificità. 

La seconda fase ha confrontato le previsioni dell’algoritmo con un parametro clinico oggettivo. Alla soglia diagnostica per il diabete di HbA1c pari o superiore al 6,5%, il modello vocale ha raggiunto un’AUC di 0,75 e ha identificato l’82% dei casi. Il 47% delle persone senza diabete è stato tuttavia classificato ad alto rischio. QDiabetes ha ottenuto nella stessa popolazione un’AUC di 0,77, con sensibilità del 72% e una quota di falsi positivi del 32%. Le differenze tra i due strumenti non sono risultate statisticamente significative. 

Le prestazioni sono risultate simili tra uomini e donne, con AUC rispettivamente di 0,79 e 0,81, mentre sono emerse differenze tra alcuni sottogruppi. Il modello ha mostrato una capacità discriminativa inferiore nei partecipanti con malattie cardiovascolari, ipertensione o obesità e in alcuni gruppi etnici, anche se in questi ultimi il numero dei casi di diabete era limitato. 

Secondo gli autori, l’analisi della voce potrebbe quindi essere valutata come strumento rapido e non invasivo di primo livello per individuare persone da indirizzare successivamente agli esami ematici. Il sistema non rappresenta un test diagnostico e i risultati richiedono ulteriori validazioni prima di un eventuale impiego clinico. 

Lo studio è stato condotto da ricercatori di thymia Ltd., King’s College London, RMIT University, Monash University e Monash Health. Il preprint specifica espressamente che i risultati non sono stati sottoposti a revisione tra pari e non devono essere utilizzati per guidare la pratica clinica.