Un modello sperimentale analizza caratteristiche del parlato associate alla malattia, e potrebbe diventare uno strumento rapido di primo screening. I risultati sono promettenti, ma il numero di falsi positivi resta elevato; lo studio non è ancora stato sottoposto a revisione tra pari.
Venti secondi di voce potrebbero essere sufficienti, in futuro, per individuare chi presenta un rischio maggiore di diabete di tipo 2 e indirizzarlo verso gli esami necessari. È la prospettiva aperta da un modello di intelligenza artificiale presentato al congresso annuale della European Association for the Study of Diabetes (EASD) a Milano. Il sistema non diagnostica la malattia, ma analizza alcune caratteristiche del parlato per assegnare un punteggio di rischio.
Raucedine e respirazione sono i pattern rivelatori
L’idea parte da un’osservazione già emersa in precedenti ricerche: il diabete di tipo 2 può essere associato a modificazioni molto sottili della voce e del modo di respirare durante il parlato. Tra i segnali studiati figurano una maggiore raucedine o ruvidità vocale e variazioni nella capacità di controllare il respiro mentre si parla. Si tratta di differenze difficili da riconoscere a orecchio, ma che possono essere analizzate attraverso tecniche di apprendimento automatico. Per la successiva validazione sono state impiegate registrazioni di 20 secondi nelle quali i partecipanti leggevano un breve testo, in questo caso una favola di Esopo.
Il modello è stato sviluppato da ricercatori di Thymia, King’s College London, RMIT University, Monash University e Monash Health utilizzando 63.283 campioni vocali appartenenti a 21.129 persone residenti nel Regno Unito e negli Stati Uniti.
Modello testato su oltre 7.000 persone
La prima fase di valutazione ha coinvolto 7.319 adulti nel Regno Unito, 217 dei quali avevano dichiarato di avere ricevuto una diagnosi di diabete di tipo 2. Il modello ha raggiunto un valore di AUC pari a 0,80 nel distinguere le persone con diabete dichiarato da quelle senza diagnosi.
Un’AUC di 0,80 non significa semplicemente che il sistema “indovina nell’80% dei casi”. L’AUC misura la capacità complessiva del modello di assegnare punteggi di rischio più elevati alle persone con la condizione rispetto a quelle che non la presentano: più il valore si avvicina a 1, maggiore è la capacità discriminativa. Come riferimento, i ricercatori hanno confrontato il modello vocale con QDiabetes, uno strumento già utilizzato nel Regno Unito per valutare il rischio di sviluppare la malattia. QDiabetes ha raggiunto nella stessa analisi un’AUC di 0,86, quindi superiore a quella ottenuta dall’intelligenza artificiale applicata alla voce.
Il confronto col test dell’emoglobina glicata
Per verificare il sistema attraverso un parametro clinico oggettivo, i ricercatori hanno poi analizzato un sottogruppo di 801 partecipanti che avevano effettuato, entro tre mesi dalla registrazione, il test dell’emoglobina glicata o HbA1c. L’HbA1c permette di stimare l’andamento medio della glicemia nei due-tre mesi precedenti, poiché gli zuccheri in eccesso nel sangue si legano all’emoglobina. È uno dei principali esami utilizzati nella valutazione del diabete. Nello studio è stata considerata la soglia diagnostica del 6,5% o superiore.
In questa seconda analisi il modello vocale ha raggiunto un’AUC di 0,75. La sensibilità è stata dell’82%: significa che il sistema ha identificato correttamente circa otto persone con diabete su dieci. Il dato va però letto insieme a un altro risultato: il 47% delle persone senza diabete è stato classificato come ad alto rischio. Il tasso di falsi positivi è quindi ancora elevato. Nello stesso gruppo, QDiabetes ha raggiunto un’AUC di 0,77 e una sensibilità del 72%, con il 32% di falsi positivi. Le differenze complessive tra i due strumenti non sono risultate statisticamente significative.
Risultato efficace per la fascia a basso rischio
Il sistema è riuscito anche a suddividere i partecipanti in categorie di rischio basso, medio e alto sulla base della relazione tra caratteristiche vocali e risultati dell’HbA1c.
Un dato particolarmente interessante riguarda la fascia considerata a basso rischio: nel sottogruppo analizzato, nessuna delle persone inserite dall’algoritmo in questa categoria presentava valori di emoglobina glicata compatibili con diabete o prediabete. Il risultato rivela che questa nuova tecnologia potrebbe avere rilevanza soprattutto in un’ottica di triage – sarebbe a dire, una prima selezione delle persone sulle quali concentrare successivamente gli accertamenti clinici.
Obesità e ipertensione confondono l’algoritmo
Le prestazioni del modello non sono state però uniformi in tutti i gruppi. La capacità di distinguere le persone con e senza diabete è risultata inferiore tra partecipanti con obesità, ipertensione o malattie cardiovascolari. Una possibile spiegazione è che queste condizioni, spesso associate anche al diabete di tipo 2, possano determinare alterazioni della voce o della respirazione simili a quelle utilizzate dall’algoritmo per calcolare il rischio.
Sono emerse differenze anche in alcuni gruppi etnici. Gli stessi ricercatori invitano però alla cautela nell’interpretazione di questo dato, perché il numero di persone con diabete appartenenti ad alcuni dei sottogruppi considerati era limitato. Tra uomini e donne, invece, le prestazioni sono risultate sostanzialmente simili.
Esami del sangue rimangono necessari
Il grande vantaggio dell’analisi vocale riguarderebbe soprattutto la semplicità. Una registrazione di pochi secondi potrebbe essere raccolta attraverso uno smartphone, un’applicazione o persino durante una telefonata. In prospettiva, questo permetterebbe di raggiungere molte persone senza richiedere immediatamente un appuntamento o un prelievo.
Non avrebbe invece senso considerare la voce come alternativa agli strumenti diagnostici attualmente disponibili. L’elevata percentuale di falsi positivi mostra chiaramente perché un risultato dell’algoritmo non possa essere interpretato come una diagnosi. L’algoritmo potrebbe funzionare bene come un primo filtro: chi riceve un punteggio di rischio elevato verrebbe invitato a rivolgersi al medico e a effettuare gli esami necessari per confermare o escludere la presenza della malattia.
Tecnologia promettente, ma ancora sperimentale
La ricerca rappresenta uno dei più ampi studi finora condotti sull’utilizzo della voce nello screening del diabete di tipo 2, e suggerisce che nel parlato possano effettivamente essere presenti informazioni utili per stimare il rischio metabolico. Restano però diversi passaggi prima di un eventuale impiego nella pratica clinica. Il modello dovrà essere verificato su popolazioni più ampie e diversificate, migliorato nei gruppi in cui oggi mostra prestazioni inferiori e valutato in condizioni di utilizzo reale.
C’è inoltre un elementare ostacolo all’applicazione pratica: il lavoro è attualmente disponibile come preprint su medRxiv e non è ancora stato sottoposto a revisione tra pari. Gli stessi autori precisano che i risultati non devono quindi essere utilizzati per guidare decisioni cliniche.