Estudo descobre que análise de voz pode detectar diabetes tipo 2 em pessoas com alta precisão

Uma nova pesquisa apresentada na Reunião Anual da Associação Europeia para o Estudo do Diabetes (EASD), em Madri (9 a 13 de setembro), destaca o potencial do uso da análise de voz para detectar casos não diagnosticados de diabetes tipo 2 (DT2).

O estudo usou em média 25 segundos de vozes de pessoas, juntamente com dados básicos de saúde, incluindo idade, sexo, índice de massa corporal (IMC) e estado de hipertensão, para desenvolver um modelo de IA que pode distinguir se um indivíduo tem DT2 ou não, com 66% de precisão em mulheres e 71% de precisão em homens.

“A maioria dos métodos atuais de triagem para diabetes tipo 2 exige muito tempo e é invasiva, baseada em laboratório e cara”, explicou o autor principal Abir Elbeji, do Instituto de Saúde de Luxemburgo, Luxemburgo.

“Combinar IA com tecnologia de voz tem o potencial de tornar os testes mais acessíveis ao remover esses obstáculos. Este estudo é o primeiro passo para usar a análise de voz como uma estratégia de triagem de diabetes tipo 2 de primeira linha e altamente escalável.”

Cerca de metade dos adultos com diabetes (cerca de 240 milhões em todo o mundo) não sabem que têm a doença porque os sintomas podem ser gerais ou inexistentes — cerca de 90% deles têm DT2. Mas a detecção e o tratamento precoces podem ajudar a prevenir complicações sérias. Reduzir os casos de DT2 não diagnosticados em todo o mundo é um desafio urgente de saúde pública.

O estudo teve como objetivo desenvolver e avaliar o desempenho de um algoritmo de IA baseado em voz para detectar se adultos têm DT2.

Os pesquisadores pediram a 607 adultos do estudo Colive Voice (diagnosticados com e sem DT2) que fornecessem uma gravação de voz deles mesmos lendo algumas frases de um dado fornecido, diretamente de seus smartphones ou laptops.

Tanto as mulheres quanto os homens com DT2 eram mais velhos (idade média nas mulheres 49,5 vs. 40,0 anos e nos homens 47,6 vs. 41,6 anos) e tinham maior probabilidade de viver com obesidade (IMC médio nas mulheres 35,8 vs. 28,0 kg/m² e homens 32,8 vs. 26,6 kg/m²) do que aqueles sem DT2.

De um total de 607 gravações, o algoritmo de IA analisou várias características vocais, como mudanças de tom, intensidade e tom, para identificar diferenças entre indivíduos com e sem diabetes.

Isso foi feito usando duas técnicas avançadas: uma que capturou até 6.000 características vocais detalhadas e uma abordagem de aprendizado profundo mais sofisticada que se concentrou em um conjunto refinado de 1.024 características principais.

O desempenho dos melhores modelos foi agrupado por vários fatores de risco para diabetes, incluindo idade, IMC e hipertensão, e comparado à ferramenta confiável da American Diabetes Association (ADA) para avaliação de risco de DT2.

Os algoritmos baseados em voz mostraram boa capacidade preditiva geral, identificando corretamente 71% dos casos de T2D masculino e 66% dos femininos. O modelo teve desempenho ainda melhor em mulheres com 60 anos ou mais e em indivíduos com hipertensão.

Além disso, houve 93% de concordância com a pontuação de risco ADA baseada em questionário, demonstrando desempenhos equivalentes entre a análise de voz e uma ferramenta de triagem amplamente aceita.

“Embora nossas descobertas sejam promissoras, mais pesquisas e validações são necessárias antes que a abordagem tenha o potencial de se tornar uma estratégia de triagem de diabetes de primeira linha e ajudar a reduzir o número de pessoas com diabetes tipo 2 não diagnosticado. Nossos próximos passos são mirar especificamente em casos de diabetes tipo 2 em estágio inicial e pré-diabetes”, disse o coautor Dr. Guy Fagherazzi do Instituto de Saúde de Luxemburgo, Luxemburgo.