Klick Health detectó diabetes a partir de breves grabaciones de voz

Solo en la India hay más de 101 millones de personas que viven con diabetes, y más de la mitad de los casos del país no se diagnostican, debido al acceso limitado a la atención sanitaria en las zonas rurales, las barreras económicas para las pruebas de sangre rutinarias y las brechas de género en el acceso a la atención sanitaria. La vía estándar de detección de la diabetes de tipo 2 exige una visita a la clínica y una extracción de sangre invasiva, un proceso costoso, logísticamente difícil y que, sencillamente, nunca se completa en una gran parte de las personas que lo necesitan, especialmente en regiones con infraestructura sanitaria limitada.

Klick Applied Sciences, el brazo de investigación de la empresa de marketing sanitario Klick Health, ya venía investigando los biomarcadores vocales —características medibles de la voz humana vinculadas a estados fisiológicos subyacentes— como línea de investigación. El equipo reconoció que, dado que más de mil millones de indios poseen teléfonos móviles, el propio teléfono inteligente podría potencialmente servir como herramienta de detección si se encontrara una señal genuina vinculada a la diabetes en algo tan ordinario y que ya ocurre de forma natural como el habla de una persona.

Aprovechó el habla para la detección: analizó grabaciones de voz de teléfonos inteligentes en busca de 14 marcadores acústicos de la diabetes, de modo que una conversación de 6 segundos sustituye la extracción de sangre y la visita a la clínica.

La diabetes de tipo 2 altera las características vocales de forma imperceptible, por lo que la voz porta una señal diagnóstica.

Las personas ya hablan a diario por teléfono, por lo que la detección no requiere esfuerzo ni costo adicional.

El aprendizaje automático sobre 18.000 grabaciones identificó 14 marcadores vocales con una precisión del 86-89 %.

Eliminar la visita a la clínica y la extracción de sangre suprime las principales barreras para la aceptación de la detección.

Cuando un paso diagnóstico es una barrera, hay que buscar una señal pasiva en el comportamiento que las personas ya realizan y convertir la detección en un subproducto gratuito.

La investigación subyacente, dirigida junto con investigadores de Mayo Clinic, se publicó en Mayo Clinic Proceedings: Digital Health en octubre de 2023, y reportó una precisión del 89 por ciento para las mujeres y del 86 por ciento para los hombres a la hora de distinguir voces diabéticas de no diabéticas.