10 de diciembre de 2023

¿Se podría hacer un screening de DM2 analizando la voz de los pacientes?



Comentario de Carlos Hernández Teixidó (@carlos_teixi)

Que el screening de diabetes tipo 2 (DM2) es algo controvertido, es algo que ya hemos comentado en varias ocasiones en el blog. Aunque hoy en día, no existen datos que sugieran que el cribado de DM2 mejore la morbimortalidad asociada, las diferencias en las prevalencias de DM2 esperadas en las poblaciones en las que se realizaron estudios y el posible objetivo de prevenir o retrasar las complicaciones, han posibilitado que se sugieran alternativas para reducir el continuo aumento de prevalencia de DM2. 
 
El pasado mes, varios periódicos de tirada nacional se hacían eco de una noticia sobre la posibilidad de diagnosticar DM2 con análisis de la voz. Y es que, se había teorizado que altas concentraciones de glucosa afectan a las propiedades elásticas de las cuerdas vocales y por tanto podrían encontrarse diferencias con el uso de inteligencia artificial (IA) que a simple oído pasarían desapercibidas.
(Sigue leyendo…)


El estudio al que hacían referencia los medios es un estudio de la revista Mayo Clinic Proceedings, donde los autores tratan de identificar cambios potenciales en la voz de las personas con DM2. Para ello han realizado un análisis segregado por sexos (dado que la voz es diferente), un análisis combinado con el sexo, la edad y el índice de masa corporal (IMC); y un análisis predictivo sobre el estado glucémico del paciente que no llegó a buen puerto. Además, los autores exploran posibles escenarios en vida real para recolectar datos sugiriendo que la grabación de voz en una aplicación móvil pudiera ser el más interesante.
 
Los autores han analizado 18.465 grabaciones de voz provenientes de 267 participantes (con DM2 y sin ella) a los que se les animaba a grabar 6 veces diarias durante dos semanas. De ellas, se han analizado 14 características y se han comparado entre personas con y sin DM2. Se emplearon características como la amplitud del armónico, el tiempo de fonación, el nerviosismo o el timbre de la voz. La frase empleada para el estudio y que fue repetida tantas veces fue: “Hello, how are you? What is my glucose level right now?”. –Los autores no abordan la posibilidad de usar otra frase o en otros idiomas por el momento-.
 
Tras la incorporación de las características demográficas de las pacientes antes comentadas a la fórmula, en mujeres se consiguió una precisión óptima de 0,75 ± 0,22, con una especificidad del 77% y una sensibilidad del 73% a partir de la validación cruzada del conjunto de datos. Y presentó una precisión de 0,89 para la predicción del conjunto de la prueba, con una especificidad del 91% y una sensibilidad del 71%.

NOTA: Recordemos que una prueba es más predictiva cuanto más cercano esté del 0 o del 1 y más alejado por tanto esté del valor 0,5
 
En hombres, la precisión óptima fue de 0,70 ± 0,10, con una especificidad del 73% y una sensibilidad del 69% a partir de la validación cruzada. Y arrojó datos de precisión de 0,86 para la predicción del conjunto, con una especificidad del 89% y una sensibilidad del 75%.
 
Aunque los datos son realmente interesantes, este redactor cree que el estudio tiene varias limitaciones (algunas de ellas reconocidas por los autores en el propio artículo). El primero y más importante, es que la población estudiada es pequeña e incluyó pocos pacientes con DM2. Además, la mayoría de ellos fueron más jóvenes de lo habitual (edad media 28,2 años). Otra limitación podría ser que los pacientes incluidos sean todos provenientes de India, en vez de haberlo hecho de forma multicéntrica, incluyendo así diferentes entonaciones lingüísticas. 
 
Aunque no explorado en el artículo, el uso de dispositivos que reconocen la voz de forma inteligente (Alexa, Siri, Echo Dot, Google Net…) podría ser empleado para un cribado masivo de las personas, pero sería necesario previamente explorar la parte ética de hacer cribados de esta forma.
 
Desde luego, un interesante avance que debe ser explorado de manera más amplia, pero que deja la puerta abierta a un cribado masivo con una precisión nada desdeñable mediante el análisis de voz. Estaremos atentos.
 
Cuídense. 



Kaufman JM, Thommandram A, Fossat Y. Acoustic Analysis and Prediction of Type 2 Diabetes Mellitus Using Smartphone-Recorded Voice Segments. Mayo Clin Proc Digital Health. 2023;1(4):534-544. https://doi.org/10.1016/j.mcpdig.2023.08.005


Selph S, Dana T, Blazina I, Bougatsos C, Patel H, Chou R. Screening for type 2 diabetes mellitus: a systematic review for the U.S. Preventive Services Task Force. Ann Intern Med 2015;162:765-76


Simmons RK, Borch-Johnsen K, Lauritzen T, Rutten GEHM, Sandbæk A, van den Donk M, et al. A randomised trial of the effect and cost-effectiveness of early intensive multifactorial therapy on 5-year cardiovascular outcomes in individuals with screen-detected type 2 diabetes: the Anglo-Danish-Dutch Study of Intensive Treatment in People with Screen-Detected Diabetes in Primary Care (ADDITION-Europe) study. Health Technol Assess 2016;20(64)

No hay comentarios: