IA: usare la voce come biomarcatore per la diagnosi

La ricerca condotta su questo database potrebbe permetterci di rilevare meglio i disturbi della voce, come i tumori della laringe o la paralisi delle corde vocali, disturbi respiratori, come polmonite o malattie polmonari croniche, disturbi neurologici e neurodegenerativi, come Alzheimer, Parkinson, ictus o SLA, disturbi dell’umore e psichiatrici, come depressione, schizofrenia o disturbi bipolari e disturbi della voce e del linguaggio pediatrici, come l’autismo o i ritardi del linguaggio.

“Queste malattie sono state tutte studiate individualmente e sappiamo che esistono già prove scientifiche per dimostrare che i cambiamenti nella voce possono essere correlati ad esse. Ma abbiamo bisogno di ulteriori ricerche, assistite dall’IA, per saperne di più”, dicono gli autori.

Inizialmente, i medici raccoglieranno dati presso centri medici esperti attraverso un software basato su app. Tuttavia, durante il terzo e il quarto anno del progetto, prevediamo di raccogliere dati anche in comunità remote e poco servite e attraverso il crowdsourcing. Utilizzeranno una nuova tecnologia chiamata “tecnologia di apprendimento federata” che consente di addestrare modelli di apprendimento automatico su questi campioni vocali, senza che essi lascino mai la loro posizione originale. Ciò dimostrerà che la ricerca basata sull’intelligenza artificiale può essere implementata in più centri di ricerca, preservando la privacy e la sicurezza dei dati vocali sensibili.

L’obiettivo principale di questo progetto è creare il database dei campioni vocali in modo tale che sia pronto per l’analisi da parte dell’IA. Alla fine, sulla base di questa ricerca, prevediamo un futuro in cui l’IA sarà in grado di notare differenze nella voce che sono specifiche di alcune malattie. Ad esempio, nel morbo di Parkinson, la voce diventa monotona con un’ampiezza inferiore. Specialisti della voce addestrati di solito sospettano immediatamente il morbo di Parkinson quando sentono queste variazioni. Ma non tutti i pazienti hanno accesso a tali specialisti. L’obiettivo è rendere gli algoritmi di intelligenza artificiale validi come specialisti vocali addestrati, in modo che questo strumento diagnostico sia disponibile anche nelle aree con risorse inferiori. Ciò migliorerebbe i risultati per i pazienti e promuoverebbe l’equità nell’assistenza sanitaria.

Sebbene il lavoro preliminare con i dati vocali sia stato promettente, la ricerca precedente presentava seri limiti e quindi è stato difficile integrare la voce come biomarcatore nella pratica clinica. Ad esempio, studi precedenti utilizzavano solo piccoli set di dati e per l’uso clinico abbiamo bisogno di prove solide basate su numeri molto grandi. Inoltre, la ricerca passata aveva preoccupazioni etiche come chi possiede i dati vocali, come proteggere la privacy dei pazienti e la mancanza di diversità. Ad esempio, se tutti i campioni provengono da un gruppo etnico o di età o da un genere, gli strumenti diagnostici sviluppati potrebbero essere meno efficaci per gli altri. Per risolvere questi problemi della “Voce come Biomarcatore della Salute”,  il progetto sta creando un database vocale ampio, di alta qualità, multiistituzionale e diversificato. I nostri dati saranno non identificabili o protetti dall’identità, il che significa che il campione vocale non sarà collegato ad altri dati sul paziente, come dati demografici, imaging medico e genomica.

“Sono lieto che tu lo chieda, dal momento che il team canadese con sede presso l’UdeM e la Simon Fraser University – guidato dall’etico  Jean-Christophe Belisle-Pipon, Professore a contratto presso l’UdeM e assistente Professore presso SFU – si concentrerà sull’etica, legale e sociale e problemi che solleva. Il nostro contributo unico a questo vasto sforzo sarà quello di sviluppare la governance necessaria per garantire che tutto ciò avvenga in modo responsabile”, dicono i ricercatori.

“Alcuni dei problemi sono nuovi perché la voce non fa ancora parte dell’assistenza clinica. Al momento non esistono migliori pratiche, regolamenti e garanzie adeguate per il suo utilizzo. Questo team sarà quello che li svilupperà. Ad esempio, è quasi paradossale che, poiché la voce è così facile da raccogliere, i problemi di privacy siano effettivamente esacerbati da questa tecnologia. Dobbiamo garantire che i dati dei pazienti siano protetti e che non vengano utilizzati per scopi diversi da quelli medici.

Abbiamo bisogno di costruire questo database con campioni raccolti da diverse popolazioni, per garantire l’equità nel futuro uso clinico di questo biomarcatore. Dobbiamo sviluppare meccanismi di consenso per assicurarci che i pazienti comprendano per quali scopi vengono registrati e cosa si può fare con la loro voce in futuro.

Dobbiamo anche chiarire le questioni relative alla proprietà dei dati vocali: la tua voce può essere condivisa o venduta? Chi può trarne vantaggio? I dati di proprietà dei sistemi sanitari, dei medici e dei pazienti possono essere condivisi con entità commerciali per lo sviluppo di modelli di IA? Questi sono solo alcuni esempi delle complesse questioni etiche che affronteremo.

Molto! Se l’infrastruttura è ben sviluppata, questo potrebbe rappresentare l’inizio di una missione collaborativa internazionale, come il Progetto Genoma Umano, in cui i dati vocali sarebbero utilizzati da migliaia di ricercatori e poi, sulla base di quella ricerca, da medici di tutto il mondo. Potrebbe consentire nuove e importanti scoperte e migliorare ciò che la medicina di precisione ha da offrire ai pazienti. 

La voce è unica per gli individui e può essere raccolta facilmente in ambienti con risorse limitate, in modi economici e non invasivi. Ci auguriamo di creare l’infrastruttura per raccogliere i dati vocali in modo accessibile ed etico, in modo che le persone si sentano al sicuro nella condivisione della propria voce e dei dati medici associati.

Immagina un mondo in cui puoi registrarti attraverso un’app specializzata sul tuo dispositivo mobile e inviarla al tuo medico come ulteriore potente strumento diagnostico! Pensa a quanto sia più facile rispetto al prelievo di un campione di sangue o al test di imaging come una TC! Questo è quello che speriamo possa essere il risultato finale di questo grande sforzo di ricerca.