El deterioro cognitivo asociado al alzhéimer puede empezar a manifestarse mucho antes de que aparezcan los problemas de memoria más evidentes. Pequeños cambios en el lenguaje, pausas, dudas o alteraciones en el ritmo del habla pueden actuar como señales tempranas de la enfermedad.
A partir de esta idea, un equipo de investigadores de Alicante ha desarrollado una aplicación móvil basada en inteligencia artificial capaz de detectar indicios iniciales de alzhéimer mediante una sencilla grabación de voz de unos cuatro minutos.
La herramienta funciona como sistema de cribado complementario al diagnóstico clínico y podría facilitar una detección precoz de forma sencilla, económica y no invasiva.
Cómo detecta la aplicación los primeros signos del alzhéimer
La aplicación analiza tanto lo que dice la persona como la forma en que lo hace. El sistema transcribe automáticamente la grabación y estudia el contenido verbal, pero también examina variables acústicas relacionadas con el habla, como el tono, la prosodia, el ritmo, los silencios, los ruidos al hablar y el uso de expresiones dubitativas.
Los investigadores explican que las fases iniciales del alzhéimer suelen reflejarse en alteraciones lingüísticas sutiles difíciles de detectar para el oído humano, pero identificables mediante algoritmos de aprendizaje automático.
Qué prueba debe realizar el usuario
Para realizar el análisis, el asistente virtual plantea una serie de preguntas similares a las empleadas en evaluaciones cognitivas. Entre ellas figura una cuestión inicial sobre qué es lo que más cuesta recordar, preguntas de orientación espaciotemporal y ejercicios de evocación de imágenes.
También se solicita al usuario nombrar nombres masculinos y femeninos y describir una escena mostrada en una imagen. Estas respuestas permiten obtener información tanto del contenido lingüístico como del patrón de producción oral.
Una precisión cercana al 90 %
La aplicación ha sido entrenada con grabaciones procedentes de bases de datos científicas, alumnado de la Universidad Permanente de la Universidad de Alicante y personas diagnosticadas con la enfermedad a través del Hospital General de Alicante.
Todo este material ha servido para entrenar distintos modelos de inteligencia artificial orientados al análisis textual y acústico.
“Nuestro objetivo es detectar los primeros síntomas en el habla asociados a la enfermedad, es decir, identificar el inicio del deterioro para poder derivar al paciente desde atención primaria al especialista”, explica Miguel Ángel Teruel, director técnico del proyecto e investigador de la Universidad de Alicante.
Según los investigadores, con una grabación breve de unos cuatro minutos la herramienta alcanza una fiabilidad cercana al 90 % en la detección de síntomas iniciales.
IA para explicar por qué detecta riesgo
La aplicación no se limita a ofrecer una puntuación o probabilidad.
También informa sobre los parámetros que sustentan el resultado, aportando transparencia al proceso de evaluación.
Para ello, el grupo Lucentia ha incorporado modelos de explicabilidad algorítmica que permiten interpretar qué variables del habla influyen en la detección.
Este elemento busca aumentar la confianza clínica y facilitar una futura integración en contextos sanitarios reales.
Una herramienta que podría acelerar el diagnóstico precoz
La aplicación forma parte del proyecto IAEAV, desarrollado conjuntamente por la Universidad de Alicante y personal médico del Instituto de Investigación Sanitaria y Biomédica de Alicante, en colaboración con el neurólogo Ángel Pérez.
Sus responsables destacan que esta tecnología podría reducir tiempos diagnósticos y facilitar su uso en atención primaria, donde actuaría como herramienta de cribado previo antes de derivar al paciente al especialista.
Incluso plantean que, en el futuro, pueda integrarse en programas preventivos similares a otros cribados sanitarios.
Disponible en los próximos meses
La aplicación estará disponible previsiblemente en los próximos meses.
A nivel internacional solo existe una herramienta similar desarrollada en Estados Unidos, aunque los investigadores destacan que la propuesta alicantina incorpora un análisis más completo y sistemas de explicabilidad de resultados.
Más allá del uso clínico, los datos generados durante su desarrollo también pueden contribuir a mejorar el conocimiento científico sobre una enfermedad neurodegenerativa cuyo diagnóstico precoz sigue siendo uno de los grandes desafíos médicos.
