IA podría detectar Parkinson solo con escuchar

Una frase sencilla que contiene todas las letras del abecedario —“El rápido zorro marrón salta sobre el perro perezoso»— se ha convertido en la clave de una herramienta innovadora para detectar el Parkinson. El estudio, publicado en npj Parkinson’s Disease (2025), propone una forma sencilla y accesible de identificar esta enfermedad a partir del análisis de voz. Solo haría falta una grabación casera pronunciando esa frase.

Lo más sorprendente es que esta frase breve puede encerrar pistas suficientes sobre cambios sutiles en el habla provocados por el Parkinson. La tecnología detrás del sistema analiza cómo se emite el sonido, los cambios de ritmo, la articulación y hasta las pausas. Según los autores, estos patrones revelan alteraciones neurológicas difíciles de percibir incluso para los médicos en etapas tempranas.

La herramienta podría usarse desde casa con solo un portátil y una conexión a internet, algo especialmente relevante para quienes viven en zonas con pocos neurólogos. Por ejemplo, los autores mencionan que en países como Bangladesh hay menos de un especialista por cada millón de habitantes.

«Hay grandes franjas de los Estados Unidos y en todo el mundo donde el acceso a la atención neurológica especializada es limitado», dijo Ehsan Hoque, profesor del Departamento de Ciencias de la Computación de Rochester, codirector del Laboratorio de Interacción Humano-Computadora de Rochester y autor del estudio.

IA entrenada para escuchar lo que otros no oyen

Para lograr este avance, los científicos utilizaron modelos de inteligencia artificial conocidos como Wav2Vec 2.0, WavLM e ImageBind, capaces de convertir la voz en datos digitales complejos. Estos sistemas ya se usan para tareas como el reconocimiento de voz o la traducción automática, pero ahora se han adaptado para detectar enfermedades a partir de cambios imperceptibles en el habla.

«Con el consentimiento de los usuarios, las interfaces basadas en el habla ampliamente utilizadas como Amazon Alexa o Google Home podrían ayudar potencialmente a las personas a identificar si necesitan buscar más atención», dijo Hoque.

Lo novedoso es que no se entrenó con sonidos artificiales ni tareas clínicas forzadas, sino con grabaciones de personas diciendo la misma frase en distintos entornos: en casa, en clínicas o centros de cuidados. En total, el estudio analizó 1.854 grabaciones de 1.306 personas, de las cuales 392 tenían diagnóstico de Parkinson.

La clave fue fusionar los datos que cada modelo entendía de la voz en un solo sistema más robusto, capaz de reconocer patrones comunes. Esta arquitectura híbrida logró un 88,9 % de precisión para detectar la enfermedad y superó a otros modelos anteriores. Además, demostró ser eficaz incluso en ambientes ruidosos o con micrófonos caseros.

Detectar sin tocar: un modelo accesible y equitativo

El nuevo enfoque rompe con la tradición médica de observar síntomas motores —temblores, rigidez, lentitud— para diagnosticar Parkinson. Esta IA no necesita observar al paciente ni usar sensores físicos, solo escucha. Y lo hace con una sensibilidad notable, incluso en personas con la enfermedad en fases iniciales o sin síntomas evidentes.

«Estos grandes modelos de audio están entrenados para entender cómo funciona el habla; por ejemplo, la forma en que alguien con Parkinson pronuncia sonidos, hace una pausa, respira y agrega inadvertidamente características de ininteligibilidad es diferente en alguien sin Parkinson», dijo Abdelrahman Abdelkader, estudiante de maestría en ciencias de la computación en el laboratorio de Hoque y autor del estudio.

Esta accesibilidad representa un cambio radical en el diagnóstico de Parkinson, sobre todo en regiones donde el acceso al neurólogo puede llevar años. Con una frase grabada desde un navegador web, el sistema analiza la voz y da un resultado orientativo. Aunque no sustituye al diagnóstico médico, puede alertar a quienes ni siquiera sospechan que tienen la enfermedad.

Además, el sistema fue diseñado para funcionar igual de bien en mujeres, hombres, jóvenes y mayores, sin sesgos por edad o etnia. Eso lo convierte en una herramienta prometedora para poblaciones diversas y con menos representación en estudios clínicos tradicionales.