Una inteligencia artificial podría detectar casos de diabetes tipo 2 con solo 20 segundos de voz

Una grabación de voz de 20 segundos podría ayudar a identificar personas que necesitan estudios para detectar diabetes tipo 2. Un modelo de inteligencia artificial analizó registros breves y logró distinguir entre participantes con y sin la enfermedad, aunque todavía debe probarse en ámbitos clínicos.

El sistema fue desarrollado por investigadores de la empresa británica thymia junto con especialistas de la Universidad RMIT, en Australia. Los resultados se presentaron en la reunión anual de la Asociación Europea para el Estudio de la Diabetes, realizada en Milán, y se difundieron en un trabajo preliminar en medRxiv.

La propuesta apunta a ampliar el acceso a los controles iniciales, mediante registros que podrían obtenerse por teléfono o desde una aplicación. El objetivo es orientar la derivación a pruebas confirmatorias, no diagnosticar la enfermedad únicamente a partir de la forma de hablar.

Qué puede detectar la inteligencia artificial en la voz

La investigación parte de antecedentes que relacionan la diabetes tipo 2 con cambios en la emisión vocal. Entre las características estudiadas aparecen la ronquera y aspereza, el esfuerzo para hablar y las variaciones en el control de la respiración.

El modelo analiza grabaciones de 20 segundos para estimar el riesgo de diabetes tipo 2 (Foto: Shutterstock)

Según los desarrolladores, algunos de esos rasgos son demasiado sutiles para identificarlos al escuchar una conversación. El modelo intenta reconocer patrones acústicos asociados con la enfermedad y asignar una puntuación que ayude a seleccionar a quienes deberían completar una evaluación.

Para entrenarlo, el equipo utilizó 63.283 muestras de voz de 21.129 personas de Reino Unido y Estados Unidos. Los participantes habían informado si tenían un diagnóstico de diabetes. Las evaluaciones posteriores emplearon grabaciones remotas en las que leían una fábula de Esopo.

Qué resultados dieron las pruebas

La primera evaluación incluyó a 7.319 adultos del Reino Unido, de los cuales 217 declararon tener diabetes tipo 2. El modelo tendió a asignar puntuaciones mayores a quienes informaban la enfermedad que a quienes no la reportaban, con un resultado equivalente al 80% en esa comparación.

Ese porcentaje describe su capacidad para ordenar el riesgo entre ambos grupos. No significa que ocho de cada diez diagnósticos individuales fueran correctos ni que la herramienta pudiera confirmar por sí sola la presencia de diabetes.

Una segunda evaluación comparó las predicciones con pruebas de hemoglobina glicosilada, o HbA1c, realizadas por 801 participantes dentro de los tres meses posteriores a la grabación. Este análisis mide el nivel promedio de glucosa en sangre de los últimos dos o tres meses.

Los investigadores buscan ampliar los controles iniciales mediante registros de voz (Foto: Shutterstock)

En ese grupo, la capacidad de diferenciación fue del 75% y la sensibilidad alcanzó el 82%: identificó a esa proporción de personas con diabetes. Sin embargo, la tasa de falsos positivos fue del 47%, por lo que también señaló como posibles casos a muchas personas que no tenían la enfermedad.

Qué falta antes de usarlo en una consulta

El rendimiento fue menor entre participantes negros y entre personas con cardiopatías, hipertensión u obesidad. Los autores consideran que influyen la representación desigual de los grupos y la posibilidad de que otras enfermedades produzcan cambios vocales similares.

El trabajo disponible es un estudio preliminar, sin revisión por pares. Los investigadores plantean que el próximo paso será comprobar su desempeño en entornos clínicos y evaluar si funciona de manera consistente en diferentes poblaciones.

Si supera esas etapas, podría incorporarse como una herramienta de detección temprana. Una puntuación elevada serviría para recomendar estudios adicionales; una baja no debería impedir que una persona acceda a un análisis de sangre cuando exista una indicación médica.