Background e obiettivo del lavoro: Studi precedenti suggeriscono come l’ipoglicemia possa influenzare le caratteristiche della voce. Questo studio documenta la validazione di un modello di Machine Learning (ML) basato su dati vocali per rilevare episodi di ipoglicemia.
Metodi e risultati principali: Lo studio si articola in due fasi consecutive (pilota, principale) e ha coinvolto 22 soggetti con diabete tipo 1 (età media 37±12 anni, HbA1c media 7.1±0.5%), per un totale di 540 registrazioni vocali. I partecipanti sono stati esposti a condizioni di euglicemia (5.0–8.0 mmol/L [90-145 mg/dL]) e ipoglicemia (2.0–3.5 mmol/L [36-64 mg/dL]) indotte sperimentalmente. Le registrazioni, effettuate tramite smartphone, comprendevano diversi compiti vocali. Dalle tracce audio sono stati estratti parametri acustici standardizzati. Nella fase pilota sono stati utilizzati diversi modelli di ML, mentre nella fase principale (di validazione) è stato selezionato il modello più performante nella distinzione tra stato di euglicemia e ipoglicemia. Il modello finale ha raggiunto un’elevata accuratezza: l’area sotto la curva ROC è risultata pari a 0.90 ± 0.12 per il task di lettura e 0.87 ± 0.15 per il task diadococinetico. I task vocali che coinvolgono articolazione e controllo motorio si sono dimostrati più discriminanti; le caratteristiche vocali più utili riguardavano parametri di frequenza e le prestazioni migliori sono state ottenute con modelli personalizzati.
Conclusioni e commento editoriale: La voce potrebbe rappresentare un biomarker digitale promettente per la rilevazione non invasiva dell’ipoglicemia, integrando gli attuali sistemi di monitoraggio glicemico per ridurre ulteriormente il rischio di ipoglicemie severe. I risultati di questo studio vanno validati in coorti più ampie, diversi sottogruppi di pazienti e in contesti più simili alla vita reale.
Lehmann V et al. Listening to Hypoglycemia: Voice as a Biomarker for Detection of a Medical Emergency Using Machine Learning Diabetes Care 2026;49(1):105–110. DOI: https://doi.org/10.2337/dc25-1680
