Inteligência artificial detecta diabetes tipo 2 com 80% de acerto em teste de voz
Um modelo de inteligência artificial desenvolvido para identificar sinais de diabetes tipo 2 por meio de gravações de voz de 20 segundos foi apresentado nesta terça-feira (29) em Milão, na Itália. O sistema registrou índice de acerto de 80% ao apontar voluntários com alto risco da condição e alcançou 75% de precisão na confirmação por exames laboratoriais de sangue.
A tecnologia foi estruturada por cientistas da empresa britânica Thymia em parceria com a Universidade RMIT, da Austrália, durante o encontro anual da Associação Europeia para o Estudo da Diabetes (EASD). Segundo a neurocientista cognitiva e pesquisadora da Thymia, Giedre Cepukaityte, o experimento marca um avanço na triagem digital. “Este é o maior estudo em ambiente real de triagem de diabetes tipo 2 baseada em voz até o momento que também confere as previsões do modelo com resultados de exames de sangue, bem como com o que as pessoas relataram sobre o próprio diagnóstico. Aqueles apontados como de maior risco pelo modelo tiveram exames de sangue correspondentes”, afirmou a pesquisadora, em tradução livre.
Saiba mais: Excesso de peso lidera fatores de risco para mortes precoces e supera pressão alta no Brasil
Como o algoritmo da Thymia identifica sinais vocais da doença
O treinamento do algoritmo demandou uma base com 63.283 registros de áudio colhidos com 21.129 voluntários do Reino Unido e dos Estados Unidos. Os pesquisadores projetaram a ferramenta para detectar variações sutis no trato vocal que costumam acompanhar oscilações nos níveis de glicose no sangue, como rouquidão, aspereza na emissão sonora e pequenas perdas no controle neuromuscular da respiração. Na etapa seguinte de validação, 7.319 adultos britânicos leram trechos curtos de fábulas de Esopo durante aproximadamente 20 segundos em seus próprios dispositivos.
Estudos anteriores em endocrinologia já apontavam que alterações glicêmicas prolongadas e neuropatias decorrentes do diabetes tipo 2 enfraquecem as pregas vocais e prejudicam a sustentação respiratória necessária para a fala contínua. Ao captar essas microalterações acústicas que passam despercebidas pela audição humana convencional, a ferramenta processa os dados sonoros e gera uma pontuação de risco para orientar o encaminhamento a exames clínicos.
Validação com 801 pacientes e resultados de exames de sangue
Para atestar a eficácia do sistema com dados biológicos diretos, os pesquisadores conduziram uma subanálise com 801 pacientes que realizaram exames laboratoriais domiciliares de hemoglobina glicada (HbA1c) em um intervalo de até três meses após enviarem a gravação de voz. Nesse grupo de verificação laboratorial, o algoritmo obteve taxa de 75% de acerto na identificação do diabetes tipo 2 estabelecido e índice de 73% de precisão para quadros clínicos de pré-diabetes.
Acompanhe: Socorro em parada cardíaca deve priorizar massagem torácica e desfibrilador
O método também dividiu os voluntários em categorias de risco baixo, médio e alto. Entre as pessoas classificadas pelo sistema na faixa de baixo risco, nenhuma apresentou diagnóstico laboratorial de diabetes ou pré-diabetes na checagem sanguínea posterior.
Dados técnicos e parâmetros do estudo de diabetes tipo 2
- Duração da amostra de áudio exigida: cerca de 20 segundos de leitura
- Base de treinamento do modelo: 63.283 gravações de voz de 21.129 participantes do Reino Unido e dos Estados Unidos
- Amostra do teste de validação: 7.319 voluntários adultos britânicos
- Grupo com teste laboratorial (HbA1c): 801 pacientes com exames realizados em até três meses
- Taxa de acerto geral na classificação de risco: 80%
- Precisão na confirmação laboratorial: 75% para diabetes e 73% para pré-diabetes
- Local de apresentação: Encontro anual da Associação Europeia para o Estudo da Diabetes (EASD), em Milão, na Itália
Veja também: Garrafa de água sem higienização pode acumular 20 milhões de bactérias
Limitações do rastreamento em comorbidades e diversidade
Apesar dos índices favoráveis no grupo geral, os pesquisadores observaram variações de eficiência conforme as características dos participantes. O desempenho do algoritmo diminuiu na avaliação de pacientes negros, quadro atribuído pela equipe à baixa representatividade desse grupo demográfico no banco de vozes de treinamento. A pesquisa contou também com a coautoria de Roseline Polle, pesquisadora sênior em Machine Learning da Thymia, e de Elisa Brann, cientista de pesquisa sênior da instituição.
A precisão também caiu entre voluntários diagnosticados previamente com comorbidades, a exemplo de hipertensão arterial, obesidade e doenças cardiopáticas. De acordo com o relatório da Thymia, essas condições de saúde preexistentes provocam impactos fisiológicos no sistema cardiorrespiratório e nas cordas vocais parecidos com as transformações provocadas pela desregulação glicêmica, gerando ruídos na leitura da inteligência artificial.
Planos clínicos e aplicação futura da triagem por voz
A equipe de desenvolvimento ressalta que a ferramenta digital não substitui consultas médicas nem diagnósticos laboratoriais definitivos, funcionando como uma triagem preliminar de fácil acesso que pode ser acionada remotamente. “Uma amostra de fala pode ser coletada pelo telefone ou por meio de um aplicativo, para que possamos alcançar muito mais pessoas que precisam de um exame de sangue do que os fluxos atuais conseguem, especialmente aquelas que nunca fazem um check-up”, explicou Cepukaityte, em tradução livre. A neurocientista completou: “Nosso modelo abre um novo caminho para o rastreamento do diabetes. Ele não substitui o exame de sangue e nunca deve impedir alguém que considere necessário fazer o teste de realizá-lo”.
Confira também: Cientistas identificam silêncio neuronal capaz de travar crises de epilepsia
O estudo foi disponibilizado preliminarmente na plataforma científica medRxiv em 18 de agosto de 2026 antes de sua exposição detalhada no congresso médico da EASD, programado para encerrar seus trabalhos na sexta-feira, 2 de outubro de 2026. A equipe da Thymia e da Universidade RMIT ainda não definiu a data de lançamento do recurso em aplicativos comerciais ou a integração aos serviços do sistema público de saúde do Reino Unido, etapa que dependerá da execução de ensaios clínicos em ambientes hospitalares e ambulatoriais.
