Publicado: septiembre 28, 2026, 10:01 pm
La forma en que una persona habla revela mucho más que un estado de ánimo o el cansancio acumulado tras una larga jornada. Pequeños matices imperceptibles para el oído humano, como un incremento en la carraspera, una ligera mayor rugosidad en las cuerdas vocales o la pérdida de control sobre la respiración durante el discurso, actúan desde hace tiempo como sutiles huellas de determinadas patologías. Ahora, la ciencia ha dado un paso de gigante en esta dirección: una nueva investigación presentada en el congreso anual de la Asociación Europea para el Estudio de Diabetes (EASD) , que se celebra en Milán, demuestra que una grabación de apenas 20 segundos es suficiente para detectar indicios de diabetes tipo 2 con una alta fiabilidad gracias al uso de inteligencia artificial. El trabajo, el mayor de su clase realizado hasta la fecha, concluye que el análisis automatizado de muestras de voz breves abre la puerta a una herramienta de cribado rápida, no invasiva y fácilmente escalable para una enfermedad que no deja de ganar prevalencia en todo el mundo. La detección precoz es el pilar fundamental para evitar complicaciones devastadoras a largo plazo, desde el daño renal o neuropático hasta las patologías cardiovasculares. Sin embargo, una parte sustancial de los casos permanece oculta, lo que ejercerá una presión cada vez mayor sobre los sistemas sanitarios. En el Reino Unido, por ejemplo, se calcula que alrededor del 30% de los afectados no están diagnosticados y cerca del 60% del presupuesto sanitario destinado a esta patología se consume únicamente en el manejo de sus complicaciones. La tecnología actual depende de análisis de sangre o visitas presenciales al médico de cabecera para dar con el diagnóstico. En muchos sistemas sanitarios, la diabetes se incluye de manera sistemática en los chequeos preventivos ofrecidos a los mayores de 40 años, pero no siempre los ciudadanos acuden a estas citas. Ante este cuello de botella asistencial, un equipo de investigadores en ‘machine learning’ (aprendizaje automático) liderados por Roseline Polle y Elisa Brann, de la RMIT University de Melbourne (Australia) y la empresa tecnológica Thymia, decidieron entrenar un modelo de inteligencia artificial capaz de identificar los cambios vocales asociados a la enfermedad. Para lograrlo, alimentaron el algoritmo con más de 63.000 muestras de voz procedentes de más de 21.000 personas en el Reino Unido y Estados Unidos que habían reportado su diagnóstico previo. Posteriormente, el modelo fue validado mediante grabaciones remotas de 20 segundos en las que los participantes leían fragmentos de las fábulas de Esopo. La primera fase de evaluación analizó el desempeño en más de 7.000 adultos británicos. El resultado arrojó que el sistema otorgaba una puntuación de riesgo notablemente superior a aquellos individuos que declaraban padecer diabetes tipo 2 en el 80% de las ocasiones, un umbral considerado de clara utilidad clínica. Aunque el rendimiento del algoritmo se mantuvo estable de forma general a través de diferentes grupos de edad y sexos, los autores observaron limitaciones en determinados colectivos. El modelo mostró una menor eficacia en las grabaciones de participantes de raza negra , una circunstancia atribuida a la baja representación de este grupo con diagnóstico confirmado dentro de la muestra. Del mismo modo, la precisión descendió ligeramente en personas con cardiopatías, hipertensión o cuadros de obesidad, debido probablemente a que estas patologías suelen solaparse con la diabetes tipo 2 y pueden generar alteraciones vocales similares. Para confirmar la solidez del sistema frente a los biomarcadores tradicionales, una segunda fase evaluó a un subgrupo de más de 800 participantes que se sometieron a pruebas de hemoglobina glicosilada (HbA1c) en sus domicilios en los tres meses posteriores al registro de voz. Esta prueba sanguínea, considerada el patrón oro, mide la concentración promedio de glucosa en sangre durante los últimos meses y permite identificar tanto la diabetes establecida como los estados de prediabetes. En este análisis cruzado, el modelo de voz asignó un riesgo superior a los pacientes con la patología confirmada analíticamente en el 75% de los casos, con una sensibilidad del 82% —lo que significa que el algoritmo identificó correctamente a ocho de cada diez pacientes reales— y una tasa de falsos positivos del 47%. Además, la herramienta demostró una notable capacidad para discriminar entre perfiles de riesgo bajo, medio y alto . Ninguno de los usuarios clasificados dentro del grupo de bajo riesgo presentó valores analíticos en rango de diabetes o prediabetes. Los responsables del estudio recalcan que este desarrollo tecnológico no busca en ningún caso sustituir a la analítica de sangre convencional, sino actuar como un filtro previo. «Este es el mayor estudio en el mundo real sobre cribado de diabetes tipo 2 basado en la voz que contrasta las predicciones del modelo tanto con análisis de sangre como con lo que las personas declaraban sobre su propio diagnóstico. Aquellos señalados como de mayor riesgo por el modelo tenían resultados analíticos acordes », señala Giedrė Čepukaitytė, investigadora científica en Thymia y encargada de presentar las conclusiones en el congreso de la EASD. «Esta tecnología tiene el potencial de transformar el aspecto del cribado. Una muestra de voz se puede tomar a través del teléfono o mediante una aplicación, de modo que podemos alcanzar a un número mucho mayor de personas que necesitan un análisis de sangre frente a los circuitos actuales, en particular a aquellos que nunca acuden a un chequeo médico preventivo», añade la experta. El siguiente paso previsto por el equipo investigador consiste en evaluar el comportamiento del algoritmo en entornos clínicos reales y afinar su precisión para garantizar que el cribado funcione con la misma fiabilidad en toda la población, independientemente de sus características demográficas o clínicas. Mientras tanto, continuarán explorando cómo una simple conversación de apenas 20 segundos puede convertirse en la primera línea de defensa frente a una de las epidemias del siglo XXI.
