Un modello di intelligenza artificiale sperimentale è stato sviluppato per individuare nella voce segnali associati al diabete di tipo 2 utilizzando registrazioni della durata di circa 20 secondi. Il sistema è stato realizzato dalla società deep tech Thymia in collaborazione con la RMIT University di Melbourne ed è stato addestrato su 63.283 campioni vocali appartenenti a 21.129 persone del Regno Unito e degli Stati Uniti. L’obiettivo non è sostituire gli esami ematici, ma creare uno strumento di screening rapido, non invasivo e potenzialmente utilizzabile a distanza, capace di indicare quali persone potrebbero avere maggiormente bisogno di ulteriori controlli. Il modello analizza caratteristiche acustiche molto sottili della voce, comprese variazioni nella raucedine e nella ruvidità del suono e differenze nel controllo della respirazione durante il parlato, elementi che precedenti ricerche avevano già associato al diabete di tipo 2.
La prima fase di validazione ha coinvolto 7.319 adulti britannici ai quali è stato chiesto di leggere per circa 20 secondi una favola di Esopo. Tra questi, 217 dichiaravano di avere il diabete di tipo 2. Il modello ha raggiunto un’AUC di 0,80 nel distinguere le persone con diabete da quelle senza la malattia, un valore che indica una buona capacità di separazione statistica tra i due gruppi ma non significa che l’AI abbia effettuato correttamente una diagnosi nell’80% dei partecipanti. Le prestazioni sono risultate complessivamente simili tra uomini e donne e nelle differenti fasce d’età, mentre sono state inferiori nei partecipanti di etnia nera, un risultato che i ricercatori collegano anche al numero più ridotto di persone diabetiche presenti in questo sottogruppo.
Un secondo test ha confrontato il punteggio prodotto dall’AI con un parametro clinico oggettivo, l’emoglobina glicata HbA1c, che riflette l’andamento medio della glicemia nei mesi precedenti. Sono stati coinvolti 801 partecipanti che avevano effettuato a domicilio l’esame entro tre mesi dalla registrazione vocale. In questo gruppo l’AUC è risultata pari a 0,75; utilizzando una determinata soglia operativa, il sistema ha raggiunto una sensibilità dell’82%, riuscendo quindi a individuare circa 82 persone su 100 con valori di HbA1c compatibili con diabete, ma con un tasso di falsi positivi del 47%. Il modello è stato inoltre in grado di suddividere i partecipanti in fasce di rischio basso, medio e alto sulla base della relazione con i valori di HbA1c; nel gruppo classificato a rischio più basso non sono stati rilevati valori compatibili con diabete o prediabete.
La tecnologia resta quindi uno strumento sperimentale di triage e non un metodo diagnostico autonomo. Prima di un eventuale impiego clinico sarà necessario validare il modello su popolazioni più ampie e diversificate, in differenti lingue e condizioni di registrazione, verificando soprattutto l’impatto dei falsi positivi. Una possibile applicazione futura potrebbe consistere nell’inserire brevi registrazioni vocali all’interno di app, servizi di telemedicina o normali telefonate con la medicina generale, utilizzando il risultato per identificare le persone da indirizzare successivamente a un esame del sangue. La ricerca è stata presentata al congresso 2026 dell’European Association for the Study of Diabetes a Milano e, allo stato attuale, deve ancora completare il percorso di validazione necessario prima di un utilizzo su larga scala.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)