La manera en que una persona habla, las palabras que elige, la velocidad con la que expresa sus ideas y la cantidad de conceptos que puede mencionar en un minuto pueden ofrecer señales tempranas sobre el funcionamiento del cerebro. A partir de esa premisa, el neurocientífico argentino Adolfo García desarrolló un método basado en inteligencia artificial (IA) que permite detectar indicadores asociados al Alzheimer y otras enfermedades neurodegenerativas mediante muestras breves de habla espontánea.
García es director del Centro de Neurociencias Cognitivas de la Universidad de San Andrés y del Instituto Global de Salud Cerebral, en Estados Unidos. También se desempeña como investigador en la Universidad de Santiago de Chile. Su trabajo busca aprovechar información presente en conversaciones cotidianas para contribuir a la identificación de alteraciones cognitivas antes de que resulten evidentes.
"Con unos pocos minutos de habla espontánea podemos extraer información que nos permite detectar esa enfermedad y variantes de la demencia frontotemporal", explica el investigador.
El sistema no se limita a identificar la posible presencia de una enfermedad. Según detalla García, también permite establecer el nivel de afección cognitiva de cada paciente y relacionarlo con áreas cerebrales específicas.
La propuesta parte de una observación central: el lenguaje puede reflejar cambios en el funcionamiento cognitivo. La rapidez con la que alguien desarrolla una idea, la extensión de sus oraciones, las pausas que realiza y la precisión de los términos que utiliza constituyen variables que pueden analizarse de manera sistemática mediante herramientas informáticas.
Qué escucha la inteligencia artificial
El desarrollo del método comenzó con la grabación de numerosas personas mientras realizaban distintas tareas lingüísticas. Entre los ejercicios se encontraban nombrar todos los animales que pudieran recordar durante un período determinado, describir un dibujo con sus propias palabras y observar un video para después relatar la historia.
De esta manera, el equipo reunió un amplio archivo de voces de personas sanas y de pacientes con Alzheimer y otras demencias. Ese material permitió estudiar las diferencias entre las formas de hablar y construir modelos capaces de reconocer patrones vinculados con las alteraciones cognitivas.
A partir de cada grabación, la inteligencia artificial obtiene dos grandes grupos de información. El primero corresponde al audio y sus características acústicas. El segundo surge del análisis del lenguaje utilizado por la persona. En el caso del audio, el sistema examina el ritmo y la cadencia del habla, la duración de las pausas, la frecuencia con la que aparecen y los cambios en la entonación. También analiza la variabilidad de esos patrones y la calidad de la voz.
García explica que es posible medir si una persona realiza pausas largas o cortas, cuántas hace y si presenta modificaciones en la entonación o una ausencia de variaciones.
El segundo componente se concentra en el contenido verbal. Las grabaciones se transcriben automáticamente y el texto resultante permite estudiar la construcción de las frases y las características de las palabras empleadas. Entre los aspectos analizados se encuentran:
La extensión de las oraciones y la cantidad de palabras utilizadas.
La velocidad del habla y el ritmo con el que se expresan las ideas.
La frecuencia de las palabras, para distinguir entre términos comunes e infrecuentes.
La especificidad conceptual, es decir, el grado de precisión con el que una persona identifica objetos o conceptos.
La clase de palabras predominantes, como sustantivos y verbos.
Las características acústicas, incluidas las pausas, la entonación y la calidad de la voz.
Con esta información, el sistema construye una representación de los patrones del habla que puede aportar elementos para la evaluación clínica.
Menos palabras y menor precisión conceptual
Los estudios realizados por el equipo identificaron patrones lingüísticos asociados con la demencia. Entre ellos, las personas con esta condición tienden a producir menos palabras por minuto, independientemente de la tarea que estén realizando, y suelen construir oraciones más cortas.
En el caso particular del Alzheimer, también puede observarse una mayor preferencia por los verbos frente a los sustantivos. Otro indicador relevante es la tendencia a recurrir a palabras más comunes. García explica que las personas con algún grado de deterioro cognitivo pueden inclinarse por términos cotidianos, como "mesa" o "silla", en lugar de palabras menos frecuentes, como "diplodocus", el género de dinosaurio utilizado como ejemplo por el investigador.
Estas diferencias no se limitan a la velocidad o a la cantidad de palabras. También pueden aparecer en la precisión con la que una persona identifica aquello que observa.
Para ilustrarlo, García describe una prueba en la que se muestra una naranja y se pide al participante que diga qué es. Una respuesta puede ser simplemente "naranja", pero también puede mencionar "cítrico", "fruta", "alimento" o incluso "cosa".
Todas esas respuestas son correctas, aunque presentan distintos niveles de especificidad. Mientras "naranja" identifica directamente el objeto, las otras expresiones se desplazan hacia categorías más generales. Según el investigador, las personas con Alzheimer pueden mostrar una mayor tendencia a responder "fruta" o "alimento" en lugar de "naranja". No se trata de respuestas equivocadas, sino de una pérdida de precisión conceptual que puede reflejar cambios en el funcionamiento cognitivo.
Para estudiar estas características, el equipo desarrolló lo que denomina "medidas del habla", indicadores que permiten identificar y cuantificar automáticamente aspectos clínicos presentes en las conversaciones.
Una precisión cercana al 90% en las pruebas de validación
Uno de los principales desafíos del desarrollo consistió en comprobar si el algoritmo podía identificar correctamente a las personas con Alzheimer a partir de sus registros de voz y lenguaje.
Para realizar esa validación, los investigadores incorporaron al programa datos de 800 personas con Alzheimer y de otras 800 personas sanas. La información incluía variables como la velocidad del habla, las palabras elegidas y la longitud de las oraciones. Después de entrenar el sistema, los investigadores le presentaron una nueva grabación sin informarle si correspondía a una persona con la enfermedad o a una persona sana. Como conocían previamente el diagnóstico de cada participante, pudieron comparar las respuestas del algoritmo con los resultados clínicos y calcular sus aciertos.
Según García, el sistema alcanzó más del 90% de precisión en la detección del diagnóstico clínico.
El equipo también comparó el rendimiento de distintos modelos de evaluación. Un algoritmo entrenado con información de neuroimágenes obtuvo cerca del 92% de precisión, mientras que otro basado en información clínica y cognitiva alcanzó el 83%. El modelo que utilizó las medidas del habla se aproximó al 90%.
"Los marcadores del habla son estadísticamente comparables a las medidas cerebrales para discriminar entre la enfermedad y la no enfermedad, incluso le ganan algunas medidas clínicas estándar", resume García.
La comparación permite dimensionar el potencial de esta herramienta como recurso complementario para la evaluación de la salud cerebral. Según el investigador, unos pocos minutos de conversación pueden aportar información comparable, en términos de capacidad de discriminación, a la obtenida mediante estudios más complejos.
Bajo costo y posibilidad de realizar evaluaciones a distancia
Además de los resultados de precisión, el método presenta características que podrían facilitar su utilización en diferentes ámbitos sanitarios. García destaca que las medidas del habla son de muy bajo costo, generan poco estrés y no requieren personal experto para analizar los registros.
Otra ventaja es la posibilidad de administrar las evaluaciones de forma remota. Esta característica resulta especialmente relevante en regiones donde existen desigualdades en el acceso a los servicios de salud.
La posibilidad de analizar el habla sin depender necesariamente de un escáner o de un laboratorio abre una vía para ampliar el alcance de las evaluaciones cognitivas. Sin embargo, el aporte de la herramienta se enmarca en la identificación de indicadores y en la evaluación clínica, y sus resultados deben interpretarse dentro del contexto correspondiente a cada paciente.
El equipo también estudió si los patrones identificados podían utilizarse en poblaciones con diferentes características lingüísticas. Algunas medidas demostraron ser generalizables entre idiomas: un modelo entrenado con hablantes de inglés permitió detectar señales de Alzheimer en personas hispanohablantes, al menos en determinados aspectos.
En investigaciones más recientes, los especialistas comprobaron que los indicadores funcionaban más allá de variables como el sexo, el nivel educativo, la edad, el país de procedencia y los determinantes sociales de la salud.
Qué es ReDLat2?
La aplicación de estos métodos en América Latina se relaciona con un problema que García considera importante para el desarrollo de la investigación sobre el Alzheimer: buena parte de los tratamientos y modelos de predicción actuales se originaron en países ricos y en poblaciones de ascendencia europea.
Esa concentración de evidencia puede dejar fuera factores que influyen en el envejecimiento cerebral de otras regiones, como la diversidad genética, las condiciones socioeconómicas, el clima y las barreras de acceso a la salud.
En ese contexto se lanzó en Chile el consorcio ReDLat2, del que García forma parte. La iniciativa reúne a 13 centros de salud de siete países y busca contribuir a corregir ese sesgo histórico en el estudio de las demencias. El proyecto incorporará variables vinculadas con la genética local, las condiciones socioeconómicas y la exposición a la contaminación, con el objetivo de comprender mejor cómo esos factores intervienen en la salud cerebral.
"La ciencia mundial tiene un punto ciego frente al Alzheimer", sostienen en relación con las limitaciones de una investigación que no siempre contempla la diversidad de las poblaciones.
El lenguaje constituye un ejemplo concreto de ese desafío. García advierte que las alteraciones útiles para detectar demencia en hablantes de inglés no necesariamente son las mismas que funcionan en personas que hablan español en América Latina.
Cada lengua tiene sus propios ritmos, cadencias y sonidos. Por eso, un patrón que permite reconocer una alteración en inglés podría pasar inadvertido en español si el modelo no contempla las particularidades lingüísticas de cada población. El investigador identifica allí una paradoja: una tecnología basada en la voz, concebida como una alternativa accesible, podría reproducir las desigualdades que busca reducir si se desarrolla casi exclusivamente a partir de datos de países ricos y hablantes de inglés.
El consorcio se concentra en personas que ya tienen demencia y busca identificar las huellas del habla que permiten reconocerlas. Al mismo tiempo, los trabajos previos de García y su equipo demostraron que los marcadores también pueden ser útiles en personas con deterioro cognitivo leve, que todavía no desarrollaron demencia, pero presentan un riesgo elevado de hacerlo.
En esos casos, las medidas del habla también permiten predecir aspectos relacionados con la cognición y el cerebro.
TELL: de la investigación científica a la práctica clínica
Además de su participación en proyectos de investigación, García creó una empresa y desarrolló TELL, una aplicación que ofrece servicios de evaluación del habla en más de 15 países.
La herramienta tiene presencia en Argentina, Chile, Brasil, México, Colombia y Perú, además de otros destinos como Nairobi, en Kenia, India y Estados Unidos. Los pacientes suelen llegar a la aplicación por recomendación de sus médicos. Sin embargo, quienes estén interesados también pueden incorporarse a alguno de los proyectos de investigación o solicitar una consulta individual, incluso mediante videollamada.
En Argentina, TELL ya se utiliza en el Hospital de San Juan, junto con la Universidad Nacional de San Juan, en el Instituto de Neurología Cognitiva y en el Instituto de Neurociencia de Buenos Aires.
A escala latinoamericana, García señala que más de 20 centros ya emplean la herramienta. En Uruguay, el Hospital Evangélico inauguró la primera sala de evaluación digital del lenguaje.
La aplicación también se utiliza en un centro de trastornos del movimiento en Chile, una clínica de memoria en Colombia y una clínica de neurología en Nairobi. La incorporación de la herramienta a estos espacios representa un paso en el proceso de trasladar los resultados de la investigación a los servicios de atención. Según explica García, un neurólogo puede derivar a un paciente a una evaluación del habla del mismo modo que puede solicitarle una radiografía.
Los informes generados por el sistema se incorporan a las historias clínicas como parte formal del historial médico. De esa manera, los resultados de las evaluaciones quedan registrados para su consideración dentro del seguimiento de cada paciente.