Une IA détecte le diabète de type 2 via la voix en quelques secondes

Une nouvelle étude révèle qu'un dispositif basé sur l'intelligence artificielle pourrait identifier le diabète de type 2 en quelques secondes, en examinant les micro-variations du discours. Les experts soulignent que cette technologie ouvre une voie inédite pour le dépistage, notamment auprès des populations qui ne consultent pas régulièrement pour des bilans de santé. Il est toutefois précisé que cet outil ne remplace pas les analyses sanguines actuelles servant au diagnostic clinique.

L'innovation a été développée conjointement par la société technologique Thymia et l'université RMIT de Melbourne, en Australie. Le système se concentre sur l'interprétation des altérations vocales associées à la pathologie, telles que l'enrouement accru, la fatigue vocale ou encore les difficultés de contrôle respiratoire lors de la prise de parole.

Mécanismes physiologiques sous-jacents

Les chercheurs supposent que ces modifications sonores résultent de l'impact de l'hyperglycémie sur le nerf vague, structure impliquée dans la régulation des muscles laryngés. D'autres facteurs contribuent également à ce phénomène : les patients diabétiques présentent une prédisposition plus élevée aux reflux gastro-œsophagiens, susceptibles d'irriter les cordes vocales et de provoquer de l'enrouement. De même, certaines perturbations de la fonction pulmonaire affectent le flux d'air nécessaire à l'élocution.

Pour entraîner l'algorithme, l'équipe scientifique a exploité plus de 63 000 échantillons audio provenant de 21 000 individus résidant au Royaume-Uni et aux États-Unis. La validation du modèle s'est appuyée sur des enregistrements de vingt secondes durant lesquels les participants lisaient un texte à voix haute.

Performance et limites identifiées

Les résultats indiquent que le modèle attribue des scores de risque élevés aux personnes déclarant souffrir de diabète de type 2 dans 80 % des cas. Une analyse secondaire portant sur 801 sujets ayant réalisé des tests sanguins à domicile dans les trois mois suivant leur enregistrement vocal affiche un taux de concordance de 75 %.

Bien que l'outil démontre une efficacité robuste à travers les différentes tranches d'âge et genres, ses performances diminuent lors de l'examen des voix des participants noirs. Les auteurs attribuent cette baisse de précision à la sous-représentation statistique de ce groupe dans la base de données d'apprentissage.