Una nueva investigación que se presentará en la Reunión Anual de este año de la Asociación Europea para el Estudio de la Diabetes (EASD), Madrid (9-13 de septiembre), destaca el potencial de usar el análisis de voz para detectar casos no diagnosticados de diabetes tipo 2.
El estudio utilizó un promedio de 25 segundos de las voces de las personas junto con datos básicos de salud que incluyen edad, sexo, índice de masa corporal (IMC) y estado de hipertensión, para desarrollar un modelo de IA que pueda distinguir si un individuo tiene T2D o no, con una precisión del 66% en mujeres y un 71% de precisión en hombres.
Inteligencia artificial
«La mayoría de los métodos actuales de detección de la diabetes tipo 2 requieren mucho tiempo y son invasivos, basados en el laboratorio y costosos», explicó el autor principal Abir Elbeji del Instituto de Salud de Luxemburgo, Luxemburgo. «Combinar la IA con la tecnología de voz tiene el potencial de hacer que las pruebas sean más accesibles al eliminar estos obstáculos. Este estudio es el primer paso hacia el uso del análisis de voz como una estrategia de detección de diabetes tipo 2 de primera línea y altamente escalable».
Alrededor de la mitad de los adultos con diabetes (alrededor de 240 millones en todo el mundo) no son conscientes de que tienen la condición porque los síntomas pueden ser generales o inexistentes, alrededor del 90% de ellos tienen T2D [1]. Pero la detección y el tratamiento tempranos pueden ayudar a prevenir complicaciones graves. Reducir los casos de T2D no diagnosticados en todo el mundo es un desafío urgente de salud pública.
El estudio sobre la detección de diabetes a través de la voz
El estudio se dispuso desarrollar y evaluar el rendimiento de un algoritmo de IA basado en la voz para detectar si los adultos tienen T2D.
Los investigadores pidieron a 607 adultos del estudio Colive Voice (diagnosticados con y sin T2D) que proporcionaran una grabación de voz de ellos mismos leyendo algunas oraciones de un proporcionado, directamente desde su teléfono inteligente o computadora portátil.
Tanto las mujeres como los hombres con T2D eran mayores (edad promedio de las mujeres 49,5 frente a 40,0 años y los hombres 47,6 frente a 41,6 años) y tenían más probabilidades de vivir con obesidad (IM promedio femenino de 35,8 frente a 28,0 kg/m² y hombres 32,8 frente a 26,6 kg/m²) que aquellos sin T2D.
De un total de 607 grabaciones, el algoritmo de IA analizó varias características vocales, como cambios en el tono, la intensidad y el tono, para identificar las diferencias entre individuos con y sin diabetes.
Esto se hizo utilizando dos técnicas avanzadas: una que capturó hasta 6.000 características vocales detalladas y un enfoque de aprendizaje profundo más sofisticado que se centró en un conjunto refinado de 1.024 características clave.
El rendimiento de los mejores modelos se agrupó por varios factores de riesgo de diabetes, incluyendo la edad, el IMC y la hipertensión, y se comparó con la herramienta confiable de la Asociación Americana de Diabetes (ADA) para la evaluación del riesgo de T2D [2].
Conclusiones
Los algoritmos basados en la voz mostraron una buena capacidad predictiva general, identificando correctamente el 71 % de los casos de T2D masculinos y el 66 % de los casos de T2D femeninos. El modelo tuvo un rendimiento aún mejor en mujeres de 60 años o más y en individuos con hipertensión.
Además, hubo un acuerdo del 93 % con la puntuación de riesgo ADA basada en el cuestionario, lo que demuestra un rendimiento equivalente entre el análisis de voz y una herramienta de detección ampliamente aceptada.
«Si bien nuestros hallazgos son prometedores, se necesitan más investigación y validación antes de que el enfoque tenga el potencial de convertirse en una estrategia de detección de diabetes de primera línea y ayude a reducir el número de personas con diabetes tipo 2 no diagnosticada. Nuestros próximos pasos son apuntar específicamente a los casos de diabetes tipo 2 en etapa temprana y prediabetes», dijo el coautor, el Dr. Guy Fagherazzi del Instituto de Salud de Luxemburgo, Luxemburgo.
Fuente: https://drive.google.com/file/d/1QBQB5xL53f3q_g-SVAhTVn-d6ui5MW9s/view
