La voce come esame: l'intelligenza artificiale stima l'età e scova il diabete

17/10/2026 SALUTE Condividi Preferisci Informazione.News su Google

Redazione Salute   -   Bastano venti secondi di parlato perché un modello di intelligenza artificiale calcoli il rischio di diabete di tipo 2, mentre un altro sistema battezzato “orologio del parlato” misura quanto una persona sta invecchiando sotto il profilo cerebrale e biologico. Sono due ricerche distinte, presentate a pochi giorni di distanza, che convergono su un'idea semplice e insieme dirompente: il modo in cui parliamo contiene indizi clinici che finora nessuno aveva sistematizzato.

Da un lato c'è il lavoro dell'azienda britannica Thymia, guidato da Roseline Polle ed Elisa Brann con i colleghi della RMIT University di Melbourne, illustrato al congresso dell'Associazione europea per lo studio del diabete che si è tenuto a Milano tra la fine di settembre e l'inizio di ottobre.

Dall'altro, lo studio internazionale pubblicato su Science Advances e coordinato da Agustin Ibanez, professore di salute cerebrale al Trinity College Dublin, che ha coinvolto quasi tremila persone di lingua spagnola tra Argentina, Cile, Colombia, Messico e Perù.

Un algoritmo addestrato su oltre sessantamila voci

Per il diabete, i ricercatori sono partiti da un'osservazione nota da tempo: la malattia altera alcune caratteristiche della voce, come la raucedine, l'asprezza e la capacità di controllare il respiro durante l'eloquio. Hanno quindi addestrato un modello di apprendimento automatico su 63.283 campioni vocali raccolti da 21.129 persone tra Regno Unito e Stati Uniti, tutte con una diagnosi dichiarata o esclusa di diabete di tipo 2. La validazione è avvenuta su registrazioni remote di venti secondi, in cui i partecipanti leggevano una favola di Esopo.

Nella prima valutazione, che ha coinvolto 7.319 adulti britannici, il sistema ha assegnato un punteggio di rischio più alto a chi aveva dichiarato la malattia rispetto a chi non l'aveva, nell'80 per cento dei casi. Nella seconda, condotta su 801 persone che si erano sottoposte a un test dell'emoglobina glicata entro tre mesi dalla registrazione, il modello ha riconosciuto correttamente l'82 per cento dei soggetti malati, con un tasso di falsi positivi però molto alto, pari al 47 per cento.

Limiti e cautele di uno screening vocale

I ricercatori non nascondono le criticità. Le prestazioni calano sui partecipanti di colore, probabilmente perché erano poco rappresentati nel campione di addestramento, e risultano inferiori anche in presenza di cardiopatie, ipertensione o obesità, condizioni che spesso accompagnano il diabete e possono produrre alterazioni vocali simili. Giedrė Čepukaitytė, ricercatrice di Thymia, ha spiegato che un campione vocale può essere raccolto al telefono o tramite un'app, raggiungendo così molte più persone rispetto ai percorsi che richiedono un prelievo di sangue.

Gli autori precisano però che lo screening vocale affiancherebbe gli esami ematici, senza sostituirli, e che serviranno ulteriori validazioni cliniche prima di un impiego su larga scala.

L'orologio che misura lo scarto tra voce ed età

Il secondo filone di ricerca sposta l'attenzione dall'accertamento di una patologia alla misurazione del ritmo di invecchiamento. Il gruppo guidato da Ibanez ha analizzato le registrazioni di 2.928 partecipanti, tra adulti sani, persone con deterioramento cognitivo lieve, pazienti con Alzheimer e con diverse forme di demenza frontotemporale.

Il modello non guarda a un singolo parametro, ma combina centinaia di caratteristiche acustiche e linguistiche: velocità del parlato, pause, tono, contenuto emotivo, ampiezza del vocabolario, precisione semantica e organizzazione del discorso. Da qui il sistema ricava un'età stimata dalla voce, che confrontata con quella anagrafica produce il cosiddetto “scarto di età del parlato”. Quando la voce sembra più vecchia del previsto, lo scarto è positivo e si associa a segnali di invecchiamento accelerato.

Il cervello, il Dna e le disuguaglianze sociali

Le associazioni trovate dai ricercatori sono molteplici e indipendenti tra loro. Lo scarto vocale correla con l'età cerebrale misurata tramite neuroimaging strutturale e funzionale, con tre diversi orologi epigenetici basati sulla metilazione del Dna e con prestazioni cognitive più deboli nella memoria, nelle funzioni esecutive e nelle attività quotidiane.

I partecipanti sani mostrano gli scarti più contenuti, mentre i pazienti con Alzheimer e demenze frontotemporali presentano differenze progressivamente maggiori; nei malati di Alzheimer lo scarto si associa anche a livelli più elevati della proteina p-tau217 nel plasma, un biomarcatore della patologia. C'è poi un versante sociale: un invecchiamento vocale accelerato si accompagna a un'esposizione più avversa a fattori come istruzione, condizioni economiche, sicurezza alimentare, accesso alle cure ed esperienze precoci di vita.

Ibanez ha commentato che la voce “sembra contenere molte più informazioni sull'invecchiamento di quanto avessimo riconosciuto in precedenza” e che riflette segnali provenienti dalla cognizione, dal cervello, dalla biologia dell'organismo e dall'ambiente sociale accumulato.

Una tecnologia non ancora pronta per la diagnosi

Entrambi i gruppi di ricerca mettono in guardia dall'uso clinico immediato. Lo studio sull'orologio del parlato è prevalentemente trasversale e non può stabilire se un profilo vocale apparentemente più anziano predica davvero lo sviluppo futuro di un deterioramento cognitivo; serviranno studi longitudinali, validazioni in altre lingue e culture e test in contesti di parlato più naturale.

Quanto al diabete, il modello di Thymia e RMIT è stato addestrato e testato su registrazioni controllate e necessita di una conferma sul campo, ma gli autori sottolineano un vantaggio pragmatico non secondario: una voce si registra a distanza, si ripete senza disagio e costa molto poco rispetto a una risonanza magnetica o a un prelievo. Un elemento che, in aree con scarsa accessibilità alle tecnologie diagnostiche avanzate, potrebbe fare la differenza più della precisione decimale di un algoritmo.