La esclerosis múltiple daña la mielina que recubre las vías nerviosas, lo que altera la precisión de las señales que el cerebro envía a los músculos del habla. Estos cambios —variaciones sutiles de tono, fatiga vocal o pérdida de coordinación fonorrespiratoria— son imperceptibles para el paciente y, con frecuencia, también para el especialista en consulta.
Investigadores de la Universidad de La Laguna y el Hospital Universitario Nuestra Señora de Candelaria han desarrollado un algoritmo de aprendizaje automático capaz de distinguir entre pacientes con esclerosis múltiple y controles sanos a partir de una grabación de voz de apenas cuatro segundos. El sistema extrae cientos de parámetros acústicos y detecta combinaciones complejas entre ellos que escapan al análisis estadístico convencional; el grupo ha desarrollado además un segundo modelo, basado en habla continua, orientado a detectar progresión de la enfermedad o pérdida de eficacia del tratamiento.
El objetivo no es sustituir pruebas como la resonancia magnética o la exploración neurológica, sino ofrecer al neurólogo una línea de tendencia objetiva entre revisiones, que hoy son semestrales o anuales. A largo plazo, la tecnología podría integrarse en dispositivos comerciales para seguimiento remoto desde el domicilio, facilitar el cribado desde Atención Primaria y priorizar derivaciones.
El modelo alcanzó una sensibilidad y especificidad cercanas al 80%. Los autores señalan retos pendientes de validación, como los sesgos por edad, sexo, idioma y calidad del audio, antes de trasladar la tecnología a la práctica asistencial.
Artículo escrito por el equipo de redacción de Redacción Médica
13/07/2026
Artículo escrito por el equipo de redacción de AseBio
29/06/2026
Source: