La cantidad de animales que puedes mencionar en 60 segundos, la rapidez con la que formulas una idea o la cantidad de sustantivos que usas en una oración pueden ofrecer señales tempranas sobre la salud del cerebro. Nuestro estilo de comunicación, e incluso las palabras que seleccionamos, revelan más sobre nuestro estado cognitivo de lo que muchos imaginan.
Este punto de vista es promovido por Adolfo García, neurocientífico de Argentina y director del Centro de Neurociencias Cognitivas de la Universidad de San Andrés y del Instituto Global de Salud Cerebral en EE. UU. Su propuesta es utilizar la IA para identificar el Alzheimer antes de que se manifieste a través de una breve conversación.
“Con solo unos minutos de expresión hablada espontánea, podemos obtener datos que permiten diagnosticar esta enfermedad y diversas formas de demencia frontotemporal”, afirma García, quien también investiga en la Universidad de Santiago de Chile.
Este método posibilita identificar el grado de afectación cognitiva de cada individuo y relacionarlo con áreas específicas del cerebro, detalla García.
Cómo la IA descifra el habla
¿Cuál es el procedimiento para que un algoritmo “escuche” una patología? En primer lugar, se realizaron grabaciones de muchas personas realizando diversas tareas, tales como enumerar todos los animales que recordaban en ciertos segundos, narrar un dibujo con sus propias palabras o ver un video y luego contar lo visto. Se conformó así una vasta colección de voces de personas sanas y pacientes con Alzheimer y otras demencias.
De cada grabación se extraen dos tipos de datos. Desde el audio se evalúan el ritmo y la entonación. “Podemos identificar cómo varían estos patrones, cuántas pausas se realizan y cómo cambia la entonación”, destaca García. También se mide la calidad de la voz.
El segundo conjunto de datos proviene del texto. Las grabaciones se transcriben automáticamente, permitiendo analizar el uso del lenguaje: “La extensión de las oraciones, el tipo de palabras usadas, su frecuencia y su especificidad son evaluadas”. Con estos datos, el sistema crea un diagnóstico pseudo-oral.
Algunos patrones son claros. Las personas con demencia generan menos palabras por minuto, independientemente de la tarea, y construyen oraciones más breves. En casos de Alzheimer, hay una tendencia a usar más verbos que sustantivos. García ofrece un ejemplo simple para ilustrar esta pista.
Individuos con cierto nivel de deterioro suelen usar términos más comunes. “Optan por palabras como ‘mesa’ o ‘silla’ en lugar de términos menos frecuentes como ‘diplodocus’”, detalla.
Para mostrar otra pista identificada por la IA, García explica que se le muestra una naranja a los sujetos, pidiéndoles que describan lo que ven. “Podrían simplemente decir ‘naranja’. Pero también podrían decir ‘cítrico’, ‘fruta’ o, incluso, ‘cosa’. Cada término, aunque correcto, implica una pérdida de especificidad por cada paso”, sostiene el investigador.
Así es como, según García, la enfermedad afecta a los pacientes, quienes tienden a dar respuestas menos específicas, como ‘fruta’ en lugar de ‘naranja’. Las respuestas no son incorrectas, pero sí muestran una menor precisión conceptual. Su equipo ha desarrollado lo que llama “medidas del habla” para detectar automáticamente estos aspectos clínicos.
Comparación con otros métodos diagnósticos
¿Cómo se verifica que el algoritmo pueda diagnosticar correctamente solo a través del habla? Para validar el programa, subieron datos de velocidad del habla y características del lenguaje de 800 personas con y sin Alzheimer. Después se introdujo un nuevo audio, sin identificar al paciente, y se pidió a la IA que determinara si la persona tenía la enfermedad o no.
Gracias a su conocimiento previo de las respuestas correctas, los investigadores pudieron evaluar las predicciones del programa, las cuales superaron el 90% de precisión en los diagnósticos clínicos.
Luego, realizaron una comparativa reveladora: un algoritmo basado en neuroimágenes tuvo un 92% de precisión, otro que usa datos clínicos alcanzó un 83%, y el que se basa en “medidas del habla” logró cerca del 90%.
García indica que “los marcadores verbales son estadísticamente comparables a los cerebrales para distinguir la enfermedad, e incluso superan algunas medidas clínicas estándar”. En cuestión de minutos, sin necesidad de un escáner o pruebas de laboratorio, estas herramientas ofrecen datos tan confiables como métodos mucho más sofisticados y costosos.
Esta simplicidad es una de las grandes ventajas del método. Las “medidas del habla”, asegura García, son de bajo costo, no estresan al paciente, no requieren personal especializado para su análisis y permiten evaluaciones a distancia, factor crucial para medir cuán accesible es la herramienta en una región con desigualdades en salud.
El equipo también ha validado la eficacia del método en contextos latinos, demostrando que algunos patrones del habla son aplicables a diversas lenguas. Un modelo entrenado con hablantes de inglés mostró potencial para detectar Alzheimer en hispanohablantes, independientemente de factores como sexo, nivel educativo, edad o el país.
Enfrentando el sesgo científico en el estudio del Alzheimer
ReDLat2, un consorcio recientemente inaugurado en Chile del cual García es partícipe, agrupa 13 centros de salud en 7 países, buscando corregir sesgos históricos en el estudio de la demencia. Los tratamientos y modelos de predicción actuales derivan principalmente de países desarrollados con ascendencia europea, sin considerar el impacto de factores ambientales y genéticos de cada región.
En América Latina, factores como la diversidad genética, desigualdades sociales, el clima y las barreras de acceso a la salud afectan el envejecimiento cerebral. Por eso, ReDLat2 incorporará variables como la genética local, condiciones socioeconómicas y la exposición a contaminantes.
El lenguaje es un campo donde estos sesgos son significativos, explica García. “Las alteraciones de lenguaje útiles para detectar demencia en hablantes de inglés no siempre son aplicables a hispanohablantes”, destaca, indicando que cada lengua tiene un ritmo y cadencia únicos que pueden afectar la percepción del deterioro.
Existe una paradoja clara: si la evidencia proviene mayormente de países ricos y angloparlantes, una herramienta que emplea el lenguaje para promover la inclusión corre el riesgo de ser excluyente. Enfrentar este desafío es el objetivo principal del proyecto.
El consorcio se centrará en personas con demencia, buscando identificar los indicadores del habla que los caracterizan. Sin embargo, García y su equipo hallaron que estos marcadores también son útiles para individuos con deterioro cognitivo leve, previendo potenciales desarrollos de demencia y otras afectaciones mentales.
Implementación práctica de la investigación
Paralelamente al consorcio, García fundó una empresa y lanzó una aplicación llamada TELL, que ya opera en más de 15 países, incluyendo Argentina, Chile, Brasil, México, Colombia, Perú, Nairobi, India y EE. UU.
Los pacientes llegan a la app usualmente por recomendación médica, pero cualquiera interesado puede participar en proyectos de investigación o solicitar una consulta individual, incluso mediante videollamada. En Argentina, ya se utiliza en el Hospital de San Juan, en colaboración con la Universidad Nacional de San Juan, el Instituto de Neurología Cognitiva y el Instituto de Neurociencia de Buenos Aires.
En Latinoamérica, según García, más de 20 centros ya hacen uso de esta tecnología. En Uruguay, el Hospital Evangélico abrió la primera sala dedicada a la evaluación digital del lenguaje.
“Así como un neurólogo puede enviar a un paciente a realizarse una radiografía, ahora puede remitirlo a esta evaluación lingüística”. La app también se utiliza en un centro de trastornos del movimiento en Chile, una clínica de memoria en Colombia y un centro de neurología en Nairobi.
Los informes generados por la herramienta se integran en las historias clínicas como parte oficial del registro médico. Para García, ese es el objetivo esencial del trabajo: “Trasladar esta investigación no solo a publicaciones científicas, sino a soluciones concretas con impacto en el campo clínico”.
MG