INTELIGENCIA ARTIFICIAL
Reconocimiento de voz para identificar la diabetes de tipo 2
Tiene una alta tasa de éxito, ahora miles de millones de euros y en breve se estará probando a nivel global.
Publicidad
Alrededor de la mitad de los adultos con diabetes (unos 240 millones en todo el mundo) no saben que tienen la enfermedad porque los síntomas pueden ser generales o inexistentes. De ellos, un 90% tienen diabetes tipo 2. En España, hay cinco millones de personas con esta enfermedad. Pero uno de los problemas a los que se enfrentan los expertos es la detección y el tratamiento tempranos, fundamentales a la hora de prevenir complicaciones graves. De este modo, reducir los casos de diabetes tipo 2 no diagnosticados en todo el mundo es un desafío urgente de salud pública.
Estos días se está llevando a cabo en Madrid, la Reunión Anual de la Asociación Europea para el Estudio de la Diabetes (EASD) y allí se ha presentado un nuevo estudio que destaca el potencial del uso del análisis de voz para detectar casos de diabetes tipo 2 (DT2) no diagnosticados.
¿Por qué la voz? De acuerdo con los autores, liderados por Abir Elbeji del Instituto de Salud de Luxemburgo, este medio de análisis tiene varias ventajas: muchos matices, fácil de usar, económico y no invasivo. Esto es fundamental teniendo en cuenta que anualmente los análisis de sangre para detección de glucosa tienen un coste global de más de 800.000 millones de euros.
El estudio, presentado como un póster y liderado por Abir Elbeji del Instituto de Salud de Luxemburgo, 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 DT2 o no.
"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 – explica Elbeji -. La combinación de IA con 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".
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.
Tanto las mujeres como los hombres con diabetes tipo 2 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, como cambios en la cadencia, la intensidad y el tono, para identificar 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 1024 características clave.
El rendimiento de los mejores modelos se agrupó por varios factores de riesgo de diabetes, como la edad, el IMC y la hipertensión, y se comparó con la herramienta fiable de la Asociación Estadounidense de Diabetes (ADA) para la evaluación del riesgo de diabetes tipo 2.
Los algoritmos basados en la voz mostraron una buena capacidad predictiva general, identificando correctamente el 71% de los casos de diabetes tipo 2 en hombres y el 66% de los casos de diabetes tipo 2 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.
"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 – concluye Guy Fagherazzi, coautor del estudio -. Nuestros próximos pasos son apuntar específicamente a los casos de diabetes tipo 2 en etapa temprana y prediabetes".
Publicidad