Detetar Diabetes Tipo 2 Através da Voz

Este estudo aborda um desafio crítico na deteção da diabetes tipo 2, onde aproximadamente 30% das pessoas com diabetes permanecem não diagnosticadas, o que equivale a cerca de 1 milhão de adultos no Reino Unido. Os métodos de rastreio atuais dependem de testes oportunistas com apenas 40,4% de adesão entre aqueles que são oferecidos NHS Health Checks, destacando a necessidade de abordagens de rastreio inovadoras e acessíveis que possam identificar indivíduos em risco antes do desenvolvimento de complicações.

FUNDAMENTAÇÃO E INOVAÇÃO DO ESTUDO:

Investigação recente demonstra que a diabetes afeta a produção da voz através de múltiplas vias fisiológicas ao longo do espectro da doença: a neuropatia periférica impacta o controlo das cordas vocais e a articulação da fala, a neuropatia autonómica afeta os padrões respiratórios e a dinâmica vocal, a xerostomia (boca seca) resultante de danos neuropáticos altera as características de ressonância, e as flutuações de glicose modificam as propriedades elásticas da laringe e das cordas vocais. Estes achados e evidências iniciais de estudos preliminares sugerem que a análise da voz pode ser utilizada para rastrear a diabetes. O presente estudo aproveita estas associações voz-diabetes utilizando aprendizagem automática avançada para desenvolver uma solução de rastreio não invasiva e escalável.

DESENHO E METODOLOGIA DO ESTUDO:

Este estudo observacional de duas fases combina a recolha de dados em larga escala com validação biológica estratégica. A Fase 1 envolve 10.000 participantes a completar gravações de voz e questionários de saúde abrangentes através de uma plataforma online segura. A Fase 2 seleciona 1.000 destes participantes para fornecer resultados diagnósticos informativos para validação do teste caseiro de HbA1c.

Cada sessão de avaliação tem uma duração aproximada de 10 a 20 minutos e inclui tarefas de gravação de voz padronizadas juntamente com questionários de saúde validados. As gravações de voz envolvem a leitura em voz alta de texto e a resposta a perguntas breves concebidas para capturar diversas características vocais, mantendo a consistência entre os participantes.

ABORDAGEM TÉCNICA:

Os dados de voz serão analisados utilizando múltiplas ferramentas de software especializadas para extrair características acústicas e linguísticas potencialmente associadas à diabetes. O estudo emprega algoritmos avançados de aprendizagem automática para identificar padrões nas características da voz que possam indicar o estado de diabetes.

A nossa abordagem enfrenta o desafio da diabetes não diagnosticada na população geral, desenvolvendo modelos que têm em conta a incerteza inerente ao estado de diabetes autorreportado. Em vez de tratar todos os participantes sem diagnóstico como definitivamente saudáveis, implementamos métodos computacionais que reconhecem a complexidade dos padrões reais de prevalência da diabetes. A seleção estratégica de participantes para validação biológica otimiza a informação obtida a partir do teste de HbA1c, visando maximizar a eficiência da validação do modelo enquanto minimiza os custos dos testes.

A validação de referência utiliza kits de teste caseiro de HbA1c marcados CE com ≥95% de precisão documentada, aplicando o limiar clínico padrão de ≥6,5% de HbA1c para diagnóstico de diabetes. Esta validação biológica permite avaliar o desempenho do modelo em comparação com o estado de diabetes confirmado, em vez de depender apenas de diagnósticos autorreportados, fornecendo evidências robustas para a utilidade clínica do rastreio da diabetes baseado na voz.

RECOLHA E GESTÃO DE DADOS:

Toda a recolha de dados ocorre remotamente através de uma plataforma web segura acessível via navegadores de internet padrão (Chrome, Firefox, Safari). Os participantes utilizam os seus dispositivos pessoais (computadores, tablets ou smartphones) equipados com capacidades de microfone. A plataforma captura gravações de voz, respostas a questionários incluindo PHQ-8 e GAD-7 para avaliação da saúde mental, e histórico de saúde abrangente incluindo condições cardiovasculares, renais e respiratórias que possam confundir as associações voz-diabetes.

Os dados são pseudonimizados utilizando identificadores universalmente únicos (UUID), com as gravações de áudio brutas e as características extraídas armazenadas em buckets AWS S3 encriptados. As informações pessoais identificáveis são eliminadas após a conclusão da recolha de dados, enquanto os dados de investigação são retidos por até 10 anos para fins de análise e publicação, em conformidade com o RGPD do Reino Unido.

CONSIDERAÇÕES SOBRE O TAMANHO DA AMOSTRA:

O recrutamento alvo de 10.000 participantes na Fase 1 reflete os requisitos para o desenvolvimento robusto de modelos de aprendizagem automática, fornecendo um conjunto de dados diversificado que inclui indivíduos com diabetes diagnosticada, diabetes não diagnosticada, pré-diabetes e indivíduos saudáveis. Este tamanho de amostra permite uma representação abrangente entre diversos grupos demográficos, idades e condições de saúde necessárias para desenvolver modelos generalizáveis de biomarcadores vocais. Os 1.000 participantes selecionados para a validação biológica da Fase 2 garantem casos positivos e negativos suficientes para uma validação abrangente do modelo, otimizando simultaneamente a alocação de recursos para o teste de HbA1c dispendioso. Esta abordagem aborda lacunas críticas na deteção precoce da diabetes, fornecendo uma solução de rastreio escalável e custo-eficaz que poderia impactar significativamente os resultados de saúde da população através da identificação e intervenção mais precoces.