L’intelligenza artificiale ascolta e trova i segnali del diabete tipo2

🌐 Diabete di tipo 2, intelligenza artificiale, analisi della voce e screening non invasivo entrano in una nuova fase: un modello di IA riesce a stimare il rischio della malattia partendo da appena 20 secondi di parlato, con una sensibilità dell’82% nei test validati attraverso l’emoglobina glicata. Il risultato apre una possibile strada a controlli più semplici e accessibili, ma non sostituisce ancora gli esami del sangue.

Per individuare il diabete di tipo 2 potrebbe bastare, in futuro, un gesto quotidiano: parlare davanti al microfono dello smartphone.

L’idea non nasce dal tentativo di riconoscere una particolare parola o un sintomo evidente. Il principio è molto più sottile: l’intelligenza artificiale analizza caratteristiche del parlato che l’orecchio umano normalmente non percepisce, cercando una combinazione di segnali associati alla presenza della malattia.

Il nuovo lavoro, aggiornato nell’agosto 2026 e presentato nel contesto del congresso annuale dell’European Association for the Study of Diabetes in corso a Milano, rappresenta un passo importante rispetto ai primi esperimenti condotti su campioni vocali molto più piccoli. Il modello è stato sviluppato utilizzando 63.283 registrazioni vocali provenienti da 21.129 persone nel Regno Unito e negli Stati Uniti.

La successiva validazione ha coinvolto 7.319 adulti britannici, mentre un sottogruppo di 801 partecipanti ha effettuato anche un test dell’HbA1c, cioè l’esame ematico utilizzato per valutare la glicemia media nel periodo precedente.

È proprio questo secondo passaggio a rendere la ricerca particolarmente interessante: l’algoritmo non è stato verificato soltanto confrontando le proprie previsioni con ciò che le persone dichiaravano sulla propria salute, ma anche con un biomarcatore clinico misurato attraverso il sangue.

Il dato dell’82% va letto nel modo corretto

Il numero che ha attirato maggiormente l’attenzione è l’82%. Ma definirlo semplicemente come un’“accuratezza dell’82%” sarebbe tecnicamente impreciso.

Nel gruppo sottoposto alla verifica con HbA1c, il modello ha raggiunto un’area sotto la curva ROC (AUC) di 0,75 alla soglia diagnostica del diabete, mentre la sensibilità è stata dell’82%. In altre parole, l’algoritmo ha identificato correttamente circa otto persone su dieci tra quelle che presentavano valori di HbA1c compatibili con il diabete.

Il rovescio della medaglia è altrettanto importante. Nel medesimo gruppo, il 47% delle persone senza diabete è stato classificato come ad alto rischio. Questo significa che la tecnologia, allo stato attuale, può essere interessante come strumento di screening e selezione preliminare, ma non come sostituto di una diagnosi clinica.

La distinzione è fondamentale. Un sistema di screening deve individuare chi merita un approfondimento; una diagnosi deve invece stabilire con sufficiente affidabilità se una malattia è presente.

Ed è proprio questa la possibile collocazione della nuova tecnologia: prima del prelievo, non al posto del prelievo.

Perché il diabete può lasciare una traccia nella voce

La domanda più affascinante riguarda il meccanismo biologico. Come può una malattia metabolica modificare il modo in cui una persona parla?

La risposta non è ancora definitiva.

Il modello non ascolta necessariamente un singolo “suono del diabete”. Lavora invece su una grande quantità di caratteristiche acustiche e paralinguistiche contenute nel parlato. In studi precedenti erano state osservate variazioni relative, tra le altre cose, a intonazione, intensità e perturbazioni della voce. La nuova ricerca utilizza rappresentazioni molto più complesse del segnale vocale, elaborate attraverso modelli di apprendimento automatico.

Una possibile spiegazione è che alcuni cambiamenti fisiologici associati al diabete possano riflettersi indirettamente nella voce. Alterazioni metaboliche, condizioni concomitanti, cambiamenti neuromuscolari o altri effetti sistemici potrebbero lasciare una sorta di impronta acustica.

Ma questo punto resta aperto.

Gli stessi ricercatori sottolineano infatti che non è ancora possibile stabilire con certezza quali modificazioni biologiche siano responsabili del segnale intercettato dall’algoritmo. Una parte dell’informazione potrebbe inoltre essere legata a condizioni che frequentemente accompagnano il diabete, anziché alla malattia in modo esclusivo.

Dal questionario al sangue: il test è diventato più difficile

La vera evoluzione della ricerca emerge confrontando i diversi livelli di validazione.

Quando il modello è stato confrontato con le diagnosi riferite dai partecipanti, ha ottenuto una AUC di 0,80, mentre il sistema di valutazione del rischio QDiabetes ha raggiunto 0,86 nello stesso contesto. L’analisi ha quindi mostrato una capacità discriminante interessante, ma non tale da rendere superflui gli strumenti clinici già esistenti.

Quando, invece, il confronto è passato alla misurazione dell’HbA1c, la performance è scesa a 0,75 di AUC.

È un dettaglio tutt’altro che marginale. I risultati ottenuti contro un vero biomarcatore rappresentano una verifica più severa rispetto a una diagnosi auto-riferita. E mostrano contemporaneamente il potenziale della tecnologia e i suoi limiti.

La ricerca ha inoltre individuato una capacità di discriminazione anche nella fascia della prediabete, con AUC pari a 0,73 alla soglia di HbA1c di 42 mmol/mol, corrispondente al 6,0%.

Uno smartphone potrebbe trasformare lo screening

Il vantaggio più evidente non riguarda soltanto l’intelligenza artificiale, ma la semplicità dell’accesso.

Per registrare la voce non servono apparecchiature diagnostiche complesse. In prospettiva, il campione potrebbe essere acquisito tramite smartphone, applicazione oppure persino durante una conversazione telefonica.

Questo scenario potrebbe avere un valore particolare per tutte quelle persone che non effettuano regolarmente controlli preventivi.

La ricerca evidenzia infatti una delle principali criticità dello screening tradizionale: gli accertamenti richiedono tempo, accesso ai servizi sanitari e, in molti casi, un prelievo. Un sistema vocale potrebbe invece funzionare come primo filtro digitale, individuando le persone alle quali proporre successivamente un controllo ematico.

La logica sarebbe quindi quella di una procedura a più livelli: voce, valutazione del rischio, esame di conferma.

Non sarebbe necessario trasformare lo smartphone in un laboratorio. Sarebbe sufficiente utilizzarlo come porta d’accesso a una fase preliminare dello screening.

Il punto debole: i falsi positivi

È proprio qui che emerge la parte meno spettacolare, ma più importante, della notizia.

Se quasi la metà delle persone senza diabete nel sottogruppo validato viene classificata come ad alto rischio, l’utilizzo indiscriminato dell’algoritmo potrebbe generare un numero significativo di falsi positivi.

Questo comporterebbe ulteriori controlli, possibili preoccupazioni per gli utenti e un aumento della domanda di esami diagnostici.

Il problema non è insolito nei sistemi di screening. Ma diventa particolarmente rilevante quando l’obiettivo è utilizzare una tecnologia su milioni di persone.

La ricerca ha inoltre rilevato performance inferiori in alcune persone con patologie concomitanti, tra cui malattie cardiovascolari, ipertensione e obesità, mentre in altri sottogruppi i risultati sono rimasti più solidi. Gli stessi autori indicano la necessità di ulteriori verifiche per comprendere quanto il sistema sia generalizzabile alle diverse popolazioni.

Non è ancora un “diagnosi del diabete con la voce”

Il titolo più immediato può far pensare a una rivoluzione già pronta per gli ambulatori. La realtà è più prudente.

Il risultato del 2026 è significativo perché porta la ricerca su un campione molto più ampio rispetto ai primi studi. Ma si tratta ancora di una tecnologia che deve essere sottoposta a ulteriore validazione clinica, in contesti sanitari reali e su popolazioni più diverse.

C’è poi un aspetto particolarmente delicato: la voce è un dato biometrico. Una registrazione contiene informazioni potenzialmente identificative e può essere utilizzata per ricavare caratteristiche ulteriori rispetto a quelle necessarie allo screening. Privacy, consenso, conservazione delle registrazioni e sicurezza dei dati diventano quindi elementi centrali quanto l’accuratezza dell’algoritmo.

La stessa ricerca segnala che i dataset vocali non sono pubblicamente disponibili proprio per ragioni legate alla privacy dei partecipanti.

La vera svolta potrebbe essere nella prevenzione

La prospettiva più interessante non è quindi immaginare un futuro nel quale il medico venga sostituito da un microfono.

È immaginare un sistema nel quale l’IA riesca a intercettare prima le persone che oggi sfuggono allo screening.

Il diabete di tipo 2 può infatti svilupparsi per anni senza sintomi evidenti. Una tecnologia capace di analizzare un campione vocale di appena 20 secondi potrebbe abbassare drasticamente la barriera di accesso al primo controllo: niente appuntamento dedicato, niente dispositivo specifico, niente procedura invasiva nella fase iniziale.

Il passaggio decisivo sarebbe trasformare un’interazione comune — parlare al telefono — in un’occasione per individuare un possibile rischio sanitario.

Per arrivarci, però, serviranno studi indipendenti, validazioni su popolazioni diverse, valutazioni regolatorie e soprattutto un percorso clinico chiaro per chi riceve un risultato positivo.

La tecnologia, dunque, non sta ancora dicendo “hai il diabete”. Sta imparando a dire qualcosa di più semplice e potenzialmente molto utile: “potrebbe valere la pena controllare”.

Ed è proprio in quella distinzione di poche parole che si trova il possibile futuro dello screening digitale: non una diagnosi affidata alla voce, ma una nuova porta d’ingresso verso la diagnosi.