NEWS

Il tono della voce riveste sicuramente un ruolo chiave nelle relazioni sociali. Ci permette di capire e trasmettere emozioni e sentimenti, in modo anche più rapido ed efficace delle parole stesse. Tuttavia, le informazioni che possiamo ottenere analizzando la voce non si limitano al suo ruolo sociale. Un’analisi accurata delle componenti armoniche della voce può aiutarci anche a diagnosticare e monitorare il decorso di alcune malattie.

In un lavoro pubblicato in questi giorni sulla rivista Scientific Reports (www.nature.com/articles/s41598-018-32454-7), un gruppo di ricercatori dell’Università degli Studi di Roma “Tor Vergata”, in collaborazione con colleghi di altre università europee tra cui l’Imperial College di Londra, ha messo a punto dei modelli di analisi che permettono di diagnosticare – a partire proprio dalla voce – alcuni disturbi dello sviluppo nei bambini. Impiegando un algoritmo innovativo che sfrutta la modulazione emotiva che ciascuno di noi introduce, in modo assolutamente personale, nel tono della voce i ricercatori hanno potuto identificare dei pattern capaci di riconoscere la presenza di disturbi del linguaggio e di patologie dello spettro autistico con un’ottima accuratezza.

Questo approccio non mira ovviamente a sostituire la valutazione di uno specialista ma al contrario propone uno strumento in grado da un lato di assistere medici e terapisti nel monitorare il quadro dei piccoli pazienti, dall’altro di fornire le basi per nuove metodiche riabilitative. Si può facilmente immaginare per esempio un’interazione con un interlocutore virtuale che progressivamente guidi il bambino verso una modulazione della voce adatta ad esprimere il suo stato d’animo, monitorandone costantemente i progressi. Un approccio, che grazie alla logica personalizzata insita nel modello di analisi, potrebbe essere agevolmente adattato per rispondere – in un futuro – alle richieste di pazienti affetti da svariate patologie, neurologiche e psichiatriche e rendere la loro interazione con il mondo esterno meno complessa.