Un recente studio italiano, pubblicato su Clinical and Translational Allergy, ha esplorato il ricorso alla intelligenza artificiale e all’ analisi dei segnali vocali per identificare i cambiamenti nel calibro delle vie aeree (indicativi di broncoreattività tipica dell’asma), con l’obiettivo di migliorare diagnosi e monitoraggio della malattia e ha messo a punto una app a tal scopo.

I risultati hanno mostrato la sensibilità di questo algoritmo dell'applicazione nel correlare specifici biomarcatori vocali alle variazioni di FEV1 durante il test della metacolina (MCT), suggerendone il possibile impiego da parte dei medici per diagnosticare l'asma e le sue esacerbazioni e per valutare la risposta e l'aderenza alla terapia.

Razionale e disegno dello studio
Le applicazioni per la salute mobile (mHealth) stanno diventando sempre più importanti nella gestione dell'asma, offrendo anche l'opportunità di raccogliere grandi quantità di dati.

Con questo nuovo studio, i ricercatori si sono proposti l'obiettivo di valutare la possibilità di utilizzare tecniche di elaborazione del segnale e di apprendimento automatico basate sull’intelligenza artificiale (AI) per rilevare cambiamenti nel calibro delle vie aeree inferiori (predittive di malattia ostruttiva delle vie aeree respiratorie).

Inoltre, si è cercato di sviluppare un algoritmo basato sul machine learning (quindi dotato di capacità di auto-apprendimento), in grado di individuare variazioni di alcuni biomarcatori vocali e di riconoscere episodi di broncocostrizione nei pazienti con iperreattività delle vie aeree.

Lo studio, avente un disegno osservazionale, prospettico e longitudinale, si è, dunque, focalizzato sui biomarcatori vocali e sulla loro correlazione con la broncocostrizione e la funzionalità respiratoria.
Sono stati arruolati, tra maggio e settembre 2023, individui adulti non fumatori con sospetta diagnosi di asma. Durante ogni fase del test di provocazione alla metacolina (Methacholine Challenge Test, MCT – Ndr: un esame utilizzato per valutare la reattività delle vie aeree e diagnosticare condizioni come l'asma), i suoni respiratori dei pazienti sono stati registrati tramite uno smartphone utilizzando una app sviluppata appositamente per lo studio.

Successivamente, sono stati estrapolati diversi biomarcatori vocali ed è stata analizzata la loro relazione con le variazioni di FEV1, un parametro chiave della funzionalità polmonare.

Risultati principali
Lo studio ha coinvolto un totale di 42 partecipanti, ma due di essi sono stati esclusi a causa di problemi tecnici nella registrazione dell’audio, lasciando così un campione finale di 40 soggetti analizzati. Di questi, il 57,5% erano donne.
In totale, sono stati raccolti e analizzati 256 file audio. Tra i partecipanti, il 62,5% soffriva di atopia, il 7,5% era fumatore, mentre il 30% erano ex fumatori. Inoltre, il 20% presentava una patologia infiammatoria delle vie aeree superiori, come rinite, rinosinusite (con o senza polipi nasali) o infiammazione alle adenoidi. Il BMI medio del gruppo era di 23,28 ± 4,46 kg/m².

Per quanto riguarda il test di provocazione alla metacolina (MCT), il 32,5% dei pazienti ha mostrato una risposta positiva, indicativa di iperreattività bronchiale, con un valore medio della dose di metacolina responsabile, al test, di una riduzione del 20% del valore di FEV1  pari a 530,77 ± 264,24 mcg.

Dall’analisi delle registrazioni vocali, è emerso che le informazioni più significative sulla funzionalità polmonare provenivano dagli eventi vocali legati all’espirazione, motivo per cui solo questi dati sono stati approfonditi. Tuttavia, non è stato identificato un biomarcatore universale valido per tutti gli individui considerati nello studio: ogni partecipante sembrava avere una propria caratteristica vocale maggiormente correlata al FEV1. Ad esempio, nell’individuo con la correlazione più bassa, la massima relazione tra un parametro vocale e il FEV1 era pari a 0,78, mentre in quello con la correlazione più alta, il valore arrivava addirittura a 0,99, indicando una relazione quasi perfetta.

Non solo: lo studio ha mostrato che il valore medio di alcuni suoni vocali legati alla respirazione è più importante rispetto a quanto questi suoni cambiano nel tempo. In altre parole, è il "valore fisso" di un biomarcatore vocale a dare informazioni sulla respirazione, anzichè che le sue oscillazioni tra una misurazione e l'altra.

Inoltre, i suoni prodotti durante l'inspirazione o mentre si parla non si sono rivelate utili per comprendere lo stato di pervietà delle vie aeree, perché non mostrano una connessione significativa con i dati della funzionalità polmonare.

Riassumendo
Nel commentare i risultati, i ricercatori hanno sottolineato come l’analisi di alcuni biomarcatori vocali, valutati tramite un'applicazione mobile, per verificare la loro concordanza con le variazioni di FEV1 a livello individuale abbia dimostrato l’utilità dell’analisi acustica nell’intercettare le variazioni di funzione polmonare durante il test della metacolina,  anche se non è stato trovato un unico biomarcatore vocale valido per tutti.

I dati vocali, utilizzati insieme a tecniche di machine learning, potrebbero essere di aiuto a per la messa a punto di modelli affidabili per collegare il suono con i parametri della spirometria.

Non solo: lo studio ha dimostrato che i valori di correlazione ottenuti erano molto alti, sia nei soggetti asmatici che in quelli non asmatici, indipendentemente dal test di provocazione bronchiale. Questo suggerisce che i cambiamenti nella dinamica del suono della voce potrebbero riflettere variazioni a carico delle vie aeree inferiori.

Tuttavia, concludono i ricercatori, per poter applicare questa tecnologia nella pratica, è necessario affrontare alcune difficoltà: le caratteristiche vocali variano da persona a persona e non sono sufficientemente stabili per essere utilizzate in modo generalizzato.
Per questo motivo, aggiungono, sono necessari studi ulteriori, condotti su un numero maggiore di persone, in modo tale da permettere lo sviluppo di un modello acustico-respiratorio più affidabile e applicabile a tutti.

Nicola Casella

Bibliografia
Paoletti G et al. Vocal biomarkers correlate with FEV1 variations during methacholine challenge. Clin Transl Allergy. 2025 Apr;15(4):e70055. doi: 10.1002/clt2.70055. PMID: 40155363.
Leggi



 

Ti č piaciuto l'articolo? Condividilo: