Cómo funciona el modelo de IA que promete detectar la hipertensión arterial a partir de la voz

La investigación médica avanza hacia métodos de diagnóstico cada vez menos invasivos y más accesibles. Un equipo internacional de investigadores del centro de innovación Klick Labs, en colaboración con la Universidad de Toronto y el KITE Research Institute, logró desarrollar una tecnología que permite detectar la hipertensión arterial a partir de simples grabaciones de voz, con la IA como herramienta clave.

El estudio, publicado en la revista científica Digit Biomark, muestra resultados que abren la puerta a nuevas estrategias de prevención para una de las enfermedades cardiovasculares más extendidas en el mundo.

La hipertensión arterial representa uno de los principales riesgos para la salud global, ya que afecta a más de mil millones y medio de personas, según estimaciones de la Organización Mundial de la Salud (OMS). Aunque el método tradicional de diagnóstico requiere un tensiómetro y personal capacitado, las limitaciones de acceso en zonas rurales o con escasos recursos dificultan la detección temprana. El trabajo liderado por Klick Labs explora una solución innovadora que podría transformar este panorama.

Una muestra diversa y una metodología innovadora

El estudio reunió a 573 personas adultas de perfiles sociodemográficos diversos, incluyendo 197 mujeres, todas no fumadoras. Los participantes registraron hasta seis grabaciones diarias durante dos semanas, leyendo frases aleatorias seleccionadas por una aplicación móvil desarrollada para el proyecto.

El equipo de investigadores extrajo de cada grabación más de una docena de parámetros acústicos, como frecuencia, ritmo, entropía y características espectrales, que reflejan la complejidad de la voz humana. Estos datos fueron procesados con modelos estadísticos y algoritmos de machine learning para identificar patrones asociados a la presión arterial. Todo el proceso se realizó sin intervención humana directa en el análisis, lo que elimina sesgos y agiliza la obtención de resultados.

La evaluación se llevó a cabo aplicando dos criterios internacionales para definir hipertensión: el de la Sociedad Europea de Hipertensión (presión sistólica igual o superior a 140 mm Hg o diastólica igual o superior a 90 mm Hg) y un criterio combinado más flexible (sistólica ≥135 mm Hg o diastólica ≥85 mm Hg). El rendimiento del algoritmo se midió mediante la precisión balanceada, un indicador robusto en estudios clínicos.

Resultados: la voz como biomarcador digital

Los resultados demostraron que la inteligencia artificial puede identificar con eficacia la hipertensión solo a través de la voz. El modelo desarrollado alcanzó una precisión balanceada del 78% en mujeres y del 71% en hombres bajo el estándar más estricto de la Sociedad Europea de Hipertensión. Incluso bajo el criterio más flexible, los valores se mantuvieron en rangos prometedores: 70% en mujeres y 61% en hombres.

Estos datos sugieren que el análisis vocal puede servir como un biomarcador digital útil para el cribado masivo de hipertensión, especialmente en contextos donde los métodos convencionales resultan inaccesibles.

Según los autores, “estos resultados demuestran el potencial de emplear el habla junto al análisis acústico para el cribado de la hipertensión”, lo que podría facilitar la implementación de estrategias preventivas a gran escala y reducir el subdiagnóstico.

El estudio también destaca la robustez del método al aplicarse sobre frases aleatorias y no sobre discursos predefinidos, lo que refuerza la aplicabilidad en la vida cotidiana. Los investigadores utilizaron un esquema de validación cruzada que garantiza la generalización de los resultados y minimiza el riesgo de sobreajuste.

Perspectivas y próximos desafíos en salud digital

El trabajo de la división científica de Klick Applied Sciences sitúa a la IA en el centro de una revolución diagnóstica que busca derribar barreras de acceso y optimizar recursos sanitarios. La posibilidad de utilizar una aplicación móvil, sin dispositivos adicionales ni personal médico, representa una ventaja significativa para las comunidades vulnerables y para los sistemas de salud con recursos limitados.

Entre los desafíos identificados, el estudio señala la necesidad de perfeccionar los algoritmos para mejorar la precisión en hombres y la validación en diferentes idiomas y contextos culturales. El equipo de científicos continúa sus investigaciones para adaptar y expandir la tecnología a otras enfermedades crónicas, como la diabetes y la apnea del sueño, siempre bajo un enfoque ético y de protección de datos.

La publicación en Digit Biomark confirma que la voz, una herramienta universal y disponible para casi toda la población, puede convertirse en un aliado estratégico para la medicina preventiva.