Il diabete mellito di tipo 2 (T2DM) è una malattia metabolica cronica caratterizzata da un'azione ridotta dell'insulina e da elevati livelli di glucosio nel sangue. La sua crescente prevalenza e il considerevole effetto sulla salute globale hanno guadagnato notevole attenzione negli ultimi anni, spingendo verso misure proattive. Si stima che circa 175 milioni di persone in tutto il mondo abbiano il diabete non diagnosticato. La diagnosi di diabete è associata ad un aumento del rischio di mortalità per cancro, malattie renali, infezioni, malattie del fegato, disturbi del sistema nervoso e malattia polmonare ostruttiva cronica. È fondamentale sviluppare strategie efficaci per il rilevamento della malattia in grado di identificare i soggetti nelle sue fasi iniziali, consentendo interventi tempestivi e alleviando le conseguenze per gli individui e le infrastrutture sanitarie. Recentemente, l'analisi voce è emersa come un candidato promettente per il rilevamento e lo screening delle patologie. È un metodo non invasivo, economico e conveniente, poiché le voci possono essere registrate utilizzando uno smartphone o un dispositivo portatile. La previsione della malattia tramite biomarcatori vocali è stata utilizzata per patologie che vanno dalla malattia coronarica alla funzionalità polmonare, al morbo di Parkinson fino al rilevamento del COVID. La sintesi vocale è un processo complesso che si basa sugli effetti combinati del sistema respiratorio, del sistema nervoso e della laringe. Tutto ciò che influisce su questi sistemi può influenzare sulla voce, sia in modo percepibile a livello uditivo o rilevabile attraverso l'analisi al computer. Nel T2DM, gli individui sperimentano periodi prolungati di glicemia elevata. Si ipotizza che le concentrazioni di glucosio in un determinato momento influenzino le proprietà elastiche delle corde vocali, e che livelli elevati di glucosio a lungo termine possano avere effetti dannosi come neuropatia periferica e miopatia. È stato dimostrato che la miopatia è correlata ad un'aumentata prevalenza di disturbi della voce e disfagia, potenzialmente a causa della debolezza muscolare all'interno della laringe, mentre raucedine, tensione vocale e afonia sono presenti nei soggetti con neuropatia diabetica. Inoltre, il T2DM è stato collegato ad un'aumentata prevalenza di disturbi psicologici come depressione, ansia, disturbi alimentari e diminuzione delle funzioni cognitive, tutti collegati a cambiamenti vocali. Nel complesso, esistono prove convincenti delle differenze vocali che si verificano nel T2DM, e lavori precedenti hanno dimostrato che esistono differenze vocali distinte tra i soggetti con T2DM e quelli non diabetici. Nello studio di Kaufman et al. (Mayo Clin Proc Digital Health 2023; 1(4):534-544. doi: 10.1016/j.mcpdig.2023.08.005), gli autori hanno voluto indagare il potenziale dell'analisi vocale (svolta utilizzando l'intelligenza artificiale, AI) come strumento di prescreening o monitoraggio per il diabete mellito di tipo 2, esaminando le differenze nelle registrazioni vocali tra individuo non diabetico e con T2DM. Sono stati inclusi 267 partecipanti (170 uomini: 113 non diabetici e 57 T2DM; e 97 donne: 79 non diabetici e 18 T2DM), registrate un totale di 18.465 campioni vocali. I partecipanti sono stati istruiti a registrare la loro voce almeno sei volte al giorno per due settimane in un'applicazione per smartphone personalizzata, dicendo le frasi "Ciao, come stai? Qual è il mio livello di glucosio in questo momento?" Le registrazioni vocali sono state inviate e caricate in un database in cloud. Quattordici caratteristiche vocali sono state estratte da ogni registrazione vocale, tra cui altezza e intensità. I ricercatori hanno utilizzato una serie di queste registrazioni per addestrare l'AI su come la voce di una persona suoni, in base a fattori quali sesso, età, indice di massa corporea e se soffriva o meno di diabete di tipo 2. Hanno utilizzato i campioni rimanenti per testare ciò che l'intelligenza artificiale aveva "imparato". Tenendo conto di fattori come età e sesso, il modello è stato in grado di individuare il diabete di tipo 2 con un livello di precisione dell'89% per le donne e dell'86% per gli uomini. È interessante notare che i segnali vocali chiave che identificavano il diabete di tipo 2 erano diversi per uomini e donne. Negli uomini, la variazione di intensità e ampiezza era più importante; nelle donne, le variazioni di tono erano il principale indizio. In questo momento, la diagnosi del diabete di tipo 2 richiede il prelievo di sangue, seguito da una lunga attesa per l'analisi e il referto. Questo metodo richiede poco più dell'accesso ad un'applicazione per smartphone. Sebbene su un adulto su undici in tutto il mondo sia stata diagnosticata questa condizione, i ricercatori ritengono che centinaia di milioni di persone non sappiano di vivere con il diabete di tipo 2. Riuscire a ridurre quel numero significherebbe anche essere in grado di mettere in atto i trattamenti prima e ridurre i costi di gestione del diabete nella popolazione.