Scompenso cardiaco, l’intelligenza artificiale ascolta la voce per prevedere i ricoveri: più efficace del peso corporeo
Una semplice vocale pronunciata nello smartphone potrebbe diventare un nuovo biomarcatore digitale per prevedere il rischio di ricovero nei pazienti con scompenso cardiaco. È quanto suggeriscono i risultati dello studio osservazionale TIM-HF3, presentati al congresso European Society of Cardiology Heart Failure 2026, secondo cui un algoritmo basato sull’analisi della voce è risultato molto più sensibile del tradizionale monitoraggio del peso corporeo nell’identificare precocemente le riacutizzazioni dello scompenso.
Il razionale biologico alla base della tecnologia è legato al fatto che il sovraccarico di liquidi, tipico dello scompenso cardiaco, modifica la biomeccanica delle corde vocali e le caratteristiche acustiche delle vie aeree superiori. In pratica, la congestione polmonare e sistemica altera il modo in cui il paziente pronuncia determinati suoni, creando “firme vocali” riconoscibili dall’intelligenza artificiale.
Una sola vocale per intercettare lo scompenso
Lo studio si è concentrato sulla vocale prolungata /i/, simile al suono presente nelle parole inglesi “bee” o “green”, già identificata in studi precedenti come particolarmente sensibile alle variazioni fisiopatologiche legate allo scompenso.
“L’ipotesi era capire se il monitoraggio longitudinale della voce potesse prevedere prospetticamente il rischio di ospedalizzazione per scompenso in una popolazione reale di pazienti ambulatoriali”, ha spiegato Leonhard Riehle di Noah Labs durante la presentazione dei dati.
TIM-HF3 ha arruolato 105 pazienti in tre centri tedeschi con sintomi NYHA II-III e almeno un ricovero per scompenso nei 12 mesi precedenti. I pazienti registravano ogni settimana un breve segmento audio di cinque secondi pronunciando la vocale sostenuta /i/ tramite tablet o smartphone. Le registrazioni venivano poi analizzate da un algoritmo AI in grado di generare uno score di rischio personalizzato integrando parametri vocali, età e sesso.
Parallelamente, i pazienti seguivano il tradizionale monitoraggio domiciliare con peso corporeo, pressione arteriosa, ECG e valutazione del benessere.
La voce batte il peso corporeo
Nel follow-up medio di 10 mesi si sono verificati 44 ricoveri per scompenso cardiaco. Analizzando i 25 eventi considerati valutabili, l’algoritmo vocale ha mostrato una sensibilità dell’84% nell’identificare i ricoveri imminenti, contro appena il 36% ottenuto con il monitoraggio del peso corporeo.
Ancora più interessante il timing degli alert: i segnali di rischio generati dalla voce comparivano mediamente 29 giorni prima dell’ospedalizzazione, rispetto ai soli 13 giorni del peso corporeo. Anche i falsi allarmi risultavano inferiori con il monitoraggio vocale.
Secondo gli esperti, questi risultati mettono ulteriormente in discussione il ruolo del peso come parametro cardine nel follow-up domiciliare dello scompenso.
“Quello che ho imparato da questo studio è che dobbiamo liberarci del peso corporeo come predittore”, ha commentato provocatoriamente Piotr Ponikowski della Wroclaw Medical University. “È un parametro poco sensibile. Perché non raccomandare direttamente il monitoraggio della voce?”
Verso nuovi biomarcatori digitali nello scompenso
Il lavoro si inserisce nella crescente area dei cosiddetti “digital biomarkers”, cioè segnali fisiologici raccolti tramite tecnologie digitali e interpretati con algoritmi di intelligenza artificiale.
Nel caso dello scompenso cardiaco, il problema clinico centrale è individuare precocemente la congestione prima che il paziente sviluppi sintomi gravi e necessiti di ricovero. Finora si è puntato soprattutto su peso corporeo, telemonitoraggio pressorio, biomarcatori o dispositivi impiantabili come CardioMEMS. Tuttavia, molti di questi strumenti sono costosi, invasivi o scarsamente sensibili.
La voce potrebbe rappresentare un’alternativa molto più semplice e accessibile. “Uno dei vantaggi del nostro metodo è che il paziente deve semplicemente usare lo smartphone”, ha spiegato Riehle. “Non deve salire sulla bilancia ogni giorno né avere sensori invasivi”.
I limiti dello studio
Gli stessi ricercatori invitano però alla prudenza. TIM-HF3 è uno studio osservazionale relativamente piccolo e i risultati necessitano di conferme prospettiche in trial interventistici più ampi. Inoltre resta da chiarire quanto le caratteristiche linguistiche possano influenzare l’accuratezza dell’algoritmo.
Finora gli studi sono stati condotti prevalentemente in pazienti di lingua tedesca e inglese, ma futuri trial europei includeranno anche spagnolo e olandese.
Secondo William Abraham della The Ohio State University, da anni impegnato nello sviluppo di tecnologie analoghe, il dato più importante è che “la totalità delle evidenze suggerisce che le modificazioni vocali rappresentino davvero un biomarcatore rilevante nello scompenso cardiaco”.
Al momento non esistono ancora app di monitoraggio vocale approvate per lo scompenso cardiaco né in Europa né negli Stati Uniti, ma il settore sta rapidamente evolvendo e diversi gruppi industriali stanno lavorando su piattaforme simili.
Se i risultati verranno confermati, il futuro del monitoraggio domiciliare dello scompenso potrebbe passare non più dalla bilancia, ma dalla voce del paziente.
Referenza bibliografica
Riehle L. TIM-HF3: Voice-based prediction of heart failure hospitalization. Presented at: Heart Failure 2026. May 9, 2026. Barcelona, Spain.