TALIA Pilot: verso algoritmi AI di classificazione del burnout tramite vocal biomarkers

Introduzione. Il burnout è una sindrome da stress cronico ad alto impatto sulla salute, i cui criteridiagnostici oggettivi rimangono una sfida aperta. Approcci AI-based di analisi vocale emergono comestrumenti promettenti per il monitoraggio non invasivo degli stati affettivi, tuttavia, la loro applicazioneal burnout rimane inesplorata. Obiettivo. Lo studio mira a identificare profili psicologici stabili di burnoute a verificare se associati a pattern vocali discriminabili, da utilizzare come etichette per algoritmi AI diclassificazione del rischio.Metodo. Intensive longitudinal design su 31 giorni (7 time point, ogni 5 giorni). I partecipanti (N = 138;studenti e ricercatori junior, Università di Verona) hanno compilato una batteria psicometrica online(OLBI, JAWS, JD, JR) e svolto due task vocali: frasi standardizzate (contenuto controllato) e discorso libero(condizioni ecologiche), processati con openSMILE (eGeMAPS v02, 16 features). La cluster analysis K-means è stata condotta sulla componente between-person delle scale psicometriche (k = 2, Silhouette =0.27) e la discriminazione vocale testata con Wilcoxon rank-sum test (FDR) per task e time point.Risultati. Sono emersi due profili stabili: benessere (n = 75, 55.6%; basso burnout, alto affetto positivo) edistress (n = 60, 44.4%; alto burnout, alto affetto negativo), non differenziati demograficamente (genere,età, BMI; tutti p.adj > .05). La separazione psicometrica si è mantenuta significativa in tutti e sette i timepoint (OLBI, JAWS LPLA/LPHA: p.adj < .001). Nel task di frasi standardizzate il profilo di distress hamostrato F0 range e variabilità di loudness sistematicamente più bassi (p.adj < .05–.01 a T2–T6). Neldiscorso libero i risultati sono stati meno consistenti.Limiti. Lo studio presenta limiti legati alla natura pilota del disegno, alla struttura cluster debole-moderatae alla numerosità campionaria.Aspetti innovativi. Primo tentativo di discriminazione acustica di profili di burnout, fornendo etichetteper algoritmi AI di classificazione automatica.