Entre los problemas a los que se enfrentan los especialistas en diabetes destaca su detección y tratamiento temprano a la hora de prevenir complicaciones graves, lo que supone un desafío para salud pública. Para solucionar esta situación, un grupo de expertos apuesta por el uso del análisis y reconocimiento de voz para detectar casos de diabetes tipo 2 no diagnosticados.
De esta manera, la Reunión Anual de la Asociación Europea para el Estudio de la Diabetes (EASD) que se ha celebrado estos días en Madrid ha servido para presentar un nuevo estudio que destaca el potencial del uso del análisis de voz para detectar casos de diabetes tipo 2 no diagnosticados.
De acuerdo con los autores del estudio, liderados por Abir Elbeji del Instituto de Salud de Luxemburgo, este medio de análisis contiene numerosas ventajas, entre las que destaca que aborda muchos matices, es fácil de usar, económico y no es invasivo, algo fundamental teniendo en cuenta que los análisis de sangre para detección de glucosa suponen un coste global de más de 800.000 millones de euros al año.
El estudio utilizó una media de 25 segundos de voces de más de 600 voluntarios, junto con datos sanitarios básicos como edad, sexo, índice de masa corporal (IMC) y estado de hipertensión, para desarrollar un modelo de IA que puede distinguir si una persona tiene diabetes o no.
Según ha explicado Elbeji, "la mayoría de los métodos actuales de detección de la diabetes tipo 2 requieren mucho tiempo y son invasivos, se basan en el laboratorio y son costosos".
De esta manera, la combinación de IA con tecnología de voz tiene el potencial de hacer que las pruebas sean más accesibles al eliminar estos obstáculos; y este estudio supone el primer paso hacia el uso del análisis de voz como estrategia de detección de diabetes tipo 2 de primera línea y altamente escalable.
El equipo de Elbeji pidió a 607 adultos del estudio Colive Voice (diagnosticados con y sin diabetes tipo 2) que proporcionaran una grabación de voz de ellos mismos leyendo algunas frases de un documento proporcionado, directamente desde su teléfono inteligente o un ordenador. Todos eran mayores de edad y tenían más probabilidades de vivir con obesidad que los que no tenían diabetes tipo 2.
De un total de 607 grabaciones, el algoritmo de IA analizó varias características vocales, tales como cambios en la cadencia, la intensidad o el tono, para identificar diferencias entre individuos con y sin diabetes, algo que se hizo utilizando técnicas avanzadas que capturaron hasta 6.000 características vocales detalladas con un enfoque de aprendizaje profundo más sofisticado, que se centró en un conjunto refinado de 1024 características clave.
El rendimiento de los mejores modelos se agrupó por varios factores de riesgo de diabetes, tales como la edad, el IMC o la hipertensión, y se comparó con la herramienta fiable de la Asociación Estadounidense de Diabetes (ADA) para la evaluación del riesgo de diabetes.
Los algoritmos basados en la voz mostraron una buena capacidad predictiva general, identificando correctamente el 71 % de los casos de diabetes en hombres y el 66 % de los casos de diabetes en mujeres. El modelo funcionó incluso mejor en mujeres de 60 años o más, y en personas con hipertensión.
Además, hubo un 93 % de acuerdo con la puntuación de riesgo de la ADA basada en cuestionarios, lo que demuestra un rendimiento equivalente entre el análisis de voz y una herramienta de detección ampliamente aceptada.
Según ha cncluido Guy Fagherazzi, coautor del estudio, "si bien nuestros hallazgos son prometedores, se necesitan más investigaciones y validaciones antes de que el enfoque tenga el potencial de convertirse en una estrategia de detección de diabetes de primera línea y ayudar a reducir el número de personas con diabetes tipo 2 no diagnosticada", para concluir afirmando que "nuestros próximos pasos son apuntar específicamente a los casos de diabetes tipo 2 en etapa temprana y prediabetes".
