La IA que detecta esclerosis en la voz y reduce "discapacidad y costes"

Una simple vocal sostenida durante unos segundos podría convertirse en el futuro en una herramienta de apoyo para detectar la esclerosis múltiple o seguir su evolución. Esa es la propuesta de un grupo de investigadores de la Universidad de La Laguna y del Hospital Universitario Nuestra Señora de Candelaria, que ha desarrollado un sistema de Inteligencia Artificial capaz de identificar patrones imperceptibles en la voz de los pacientes.

El trabajo, publicado recientemente en la revista Multiple Sclerosis and Related Disorders, demuestra que un algoritmo de aprendizaje automático puede distinguir entre personas con esclerosis múltiple y controles sanos a partir del análisis acústico de una grabación de apenas cuatro segundos. Aunque sus autores insisten en que la tecnología está todavía lejos de sustituir a las pruebas diagnósticas habituales, creen que podría convertirse en un biomarcador digital útil para el diagnóstico precoz y, sobre todo, para el seguimiento continuo de la enfermedad.

"Para entenderlo de forma sencilla, la esclerosis múltiple daña la mielina que recubre el 'cableado' de nuestro sistema nervioso. Esto provoca que las órdenes que el cerebro envía a los músculos que controlan la voz y el habla dejen de llegar con total precisión y velocidad", explica en Redacción Médica Jonathan Delgado, investigador en la Facultad de Psicología y Logopedia de esta universidad junto a Miguel Ángel Hernández Pérez, jefe de sección de la Unidad de Esclerosis Múltiple del Hospital Universitario Nuestra Señora de La Candelaria.

Lo que el oído no puede escuchar

Ese daño neurológico se traduce en alteraciones muy sutiles que el paciente rara vez percibe y que, en muchos casos, tampoco son evidentes para un especialista durante una consulta. Entre ellas figuran pequeñas variaciones en el tono de la voz, una menor eficiencia al hablar o una mayor fatiga vocal tras mantener una conversación. También aparecen cambios en el habla, como una peor coordinación motora, una disminución de la velocidad al expresarse o alteraciones en la coordinación entre la respiración y la articulación.

Precisamente ahí entra en juego la Inteligencia Artificial. "Nuestro oído tiene limitaciones biológicas", señala Delgado, que añade que "un especialista puede detectar alteraciones cuando el problema ya es evidente, pero el análisis acústico actual permite extraer cientos de parámetros de una simple grabación de audio". "Son cambios completamente imperceptibles para el oído humano", asegura.

Según el investigador, el verdadero valor del aprendizaje automático no reside en analizar una única característica de la voz, sino en encontrar combinaciones extremadamente complejas entre decenas de variables que escapan a las técnicas estadísticas convencionales: "El algoritmo es capaz de descifrar qué combinación exacta de todos esos parámetros es clínicamente relevante y en qué medida afecta al paciente."

Los resultados obtenidos son prometedores. El modelo desarrollado alcanzó una sensibilidad y una especificidad cercanas al 80 por ciento, lo que significa que identifica correctamente alrededor de ocho de cada diez pacientes y también descarta correctamente ocho de cada diez personas sanas. Aun así, los investigadores recalcan que no pretende reemplazar herramientas como la resonancia magnética, el análisis del líquido cefalorraquídeo o la exploración neurológica.

"La esclerosis múltiple es una enfermedad extremadamente compleja y heterogénea, no hay dos pacientes iguales", afirma Delgado. Por eso, afirma que "las herramientas actuales siguen siendo excelentes, pero muchas son costosas, invasivas y no pueden repetirse de forma continua".

Un biomarcador digital complementario

En este contexto, el análisis de la voz se suma a otros biomarcadores digitales que se investigan actualmente, como el estudio de la marcha, los movimientos oculares o las pruebas cognitivas. Su principal ventaja, según los autores, es que se trata de una prueba rápida, barata, no invasiva y muy sencilla de realizar.

Más allá del diagnóstico inicial, donde podría actuar como herramienta de cribado, el mayor potencial aparece en el seguimiento de los pacientes. El grupo ha desarrollado un segundo modelo basado no ya en la voz, sino en el habla continua, con el objetivo de detectar cambios sutiles que indiquen una progresión de la enfermedad o una pérdida de eficacia del tratamiento.

"Hoy evaluamos al paciente en revisiones semestrales o anuales, lo que nos ofrece una fotografía fija de una enfermedad que es muy fluctuante", explica Delgado, que afirma que el objetivo del grupo de investigación es "proporcionar al neurólogo una línea de tendencia objetiva sobre la evolución del paciente durante los últimos meses".

Del hospital al teléfono móvil

Ese escenario abre la puerta a uno de los grandes objetivos de la salud digital: el seguimiento remoto desde casa. "En cuanto los dispositivos comerciales sean capaces de garantizar una calidad de grabación suficiente, algo que probablemente ocurrirá antes que tarde, esta tecnología podrá integrarse en el seguimiento habitual", afirma el investigador.

La idea consistiría en que el paciente realizara periódicamente pequeñas tareas de habla desde su propio domicilio. El sistema analizaría automáticamente parámetros como la fatiga vocal, la velocidad de articulación o la coordinación fonorrespiratoria y enviaría esa información al neurólogo.

"No buscamos sustituir al especialista", insiste Delgado, que asegura que lo que pretenden es "proporcionarle una herramienta complementaria que permita detectar empeoramientos sutiles o el inicio de una transición hacia formas progresivas de la enfermedad antes de que sean clínicamente evidentes".

Los investigadores son conscientes, sin embargo, de que todavía existen importantes retos antes de trasladar esta tecnología a la práctica asistencial. Uno de ellos es evitar los sesgos asociados a factores como la edad, el sexo, el idioma o la calidad de las grabaciones.

"Desde el diseño metodológico, controlar esos sesgos ha sido una prioridad absoluta", asegura Delgado. Los modelos se entrenaron equilibrando edad y sexo para evitar que el algoritmo aprendiera diferencias demográficas en lugar de detectar la enfermedad. Sin embargo, reconoce que cada idioma requerirá una validación específica y que la calidad del audio seguirá siendo un aspecto crítico para garantizar resultados fiables.

¿Cómo impactaría en el SNS?

Si finalmente supera esas etapas de validación, el impacto para el Sistema Nacional de Salud podría ser considerable. Según Delgado, disponer de una prueba rápida y objetiva facilitaría el cribado desde Atención Primaria, permitiría priorizar las derivaciones al neurólogo y favorecería un seguimiento más proactivo de los pacientes.

"Cada mes que consigamos adelantar un diagnóstico o un cambio de tratamiento para frenar la progresión se traduce en una reducción muy importante de la discapacidad futura, de las hospitalizaciones y de los costes asociados", sostiene.

Aunque el estudio se ha centrado en la esclerosis múltiple, la metodología podría extenderse a otras enfermedades neurológicas. "El habla y la voz son el espejo del cerebro", concluye el investigador. "Cualquier enfermedad que afecte al sistema nervioso central deja una huella acústica". Entre las patologías con mayor potencial cita el párkinson, la esclerosis lateral amiotrófica (ELA) y las ataxias degenerativas, campos en los que el análisis automático de la voz ya acumula una amplia evidencia científica.

Por ahora, la IA todavía no puede diagnosticar una enfermedad escuchando la voz de una persona. Pero este trabajo demuestra que, detrás de una simple vocal, existen señales biológicas que el oído humano no percibe y que podrían convertirse en una nueva herramienta para ayudar a los neurólogos a detectar y seguir una enfermedad tan compleja como la esclerosis múltiple.