Un equipo internacional de investigadores ha logrado un avance significativo en la búsqueda de métodos de diagnóstico médico que sean menos invasivos y más accesibles para la población general. A través de una colaboración entre el centro de innovación Klick Labs, la Universidad de Toronto y el KITE Research Institute, se ha desarrollado una tecnología capaz de detectar la hipertensión arterial analizando simples grabaciones de voz, utilizando la inteligencia artificial (IA) como el motor fundamental de este proceso.
El estudio, cuyos hallazgos han sido publicados en la revista científica Digit Biomark, presenta resultados que podrían redefinir las estrategias de prevención de una de las patologías cardiovasculares más frecuentes a nivel mundial. La hipertensión arterial es considerada uno de los riesgos más críticos para la salud global, afectando a más de mil millones y medio de personas, según las estimaciones proporcionadas por la Organización Mundial de la Salud (OMS).
Tradicionalmente, el diagnóstico de esta condición requiere el uso de un tensiómetro y la supervisión de personal sanitario capacitado. Sin embargo, el acceso a estos recursos es limitado en diversas regiones, especialmente en zonas rurales o comunidades con escasos recursos económicos, lo que dificulta la detección temprana y el tratamiento oportuno. Ante este escenario, el trabajo liderado por Klick Labs propone una solución innovadora que busca derribar estas barreras de acceso.
Para validar esta tecnología, el estudio contó con la participación de 573 personas adultas con perfiles sociodemográficos diversos, entre las cuales se incluyeron 197 mujeres, todas ellas no fumadoras. Durante un periodo de dos semanas, los participantes realizaron hasta seis grabaciones diarias a través de una aplicación móvil diseñada específicamente para el proyecto, leyendo frases aleatorias seleccionadas por el sistema.
El análisis técnico consistió en la extracción de más de una docena de parámetros acústicos de cada grabación. Entre los datos analizados se encuentran la frecuencia, el ritmo, la entropía y diversas características espectrales, elementos que reflejan la complejidad intrínseca de la voz humana. Toda esta información fue procesada mediante modelos estadísticos y algoritmos de machine learning, los cuales permitieron identificar patrones específicos asociados a la presión arterial. Un aspecto relevante es que el proceso se ejecutó sin intervención humana directa en el análisis, lo que permitió agilizar la obtención de resultados y eliminar posibles sesgos.
La evaluación del rendimiento del algoritmo se basó en dos criterios internacionales para definir la hipertensión. El primero fue el estándar de la Sociedad Europea de Hipertensión, que establece la patología cuando la presión sistólica es igual o superior a 140 mm Hg o la diastólica es igual o superior a 90 mm Hg. El segundo fue un criterio combinado más flexible, que considera valores de sistólica ≥135 mm Hg o diastólica ≥85 mm Hg. Para medir la eficacia, los investigadores utilizaron la precisión balanceada, un indicador robusto en el ámbito de los estudios clínicos.
Los resultados obtenidos demuestran que la inteligencia artificial es capaz de identificar la hipertensión basándose únicamente en la voz. Bajo el estándar más estricto de la Sociedad Europea de Hipertensión, el modelo alcanzó una precisión balanceada del 78% en las mujeres y del 71% en los hombres. Al aplicar el criterio más flexible, los valores de precisión se mantuvieron en rangos prometedores, situándose en un 70% para las mujeres y un 61% para los hombres.
Estos hallazgos sugieren que el análisis vocal puede funcionar como un biomarcador digital sumamente útil para realizar cribados masivos de hipertensión, particularmente en contextos donde los métodos convencionales son inaccesibles. Los autores del estudio subrayan que estos resultados evidencian el potencial de combinar el habla y el análisis acústico para facilitar la implementación de estrategias preventivas a gran escala y reducir el alarmante nivel de subdiagnóstico actual.
La robustez del método se ve reforzada por el hecho de que el análisis se realizó sobre frases aleatorias y no sobre discursos predefinidos, lo que aumenta su aplicabilidad en situaciones de la vida cotidiana. Además, el equipo utilizó un esquema de validación cruzada para garantizar que los resultados pudieran generalizarse y para minimizar el riesgo de sobreajuste de los datos.
Desde la división científica de Klick Applied Sciences, se plantea que la IA está impulsando una revolución diagnóstica orientada a optimizar los recursos sanitarios. La posibilidad de emplear una aplicación móvil, sin necesidad de dispositivos adicionales ni la presencia constante de personal médico, representa una ventaja competitiva para los sistemas de salud con recursos limitados y para las comunidades más vulnerables.
No obstante, el estudio también identifica desafíos pendientes. Los investigadores señalan la necesidad de perfeccionar los algoritmos para elevar la precisión en el caso de los hombres y llevar a cabo validaciones en diferentes idiomas y contextos culturales. Actualmente, el equipo científico continúa trabajando para adaptar esta tecnología a la detección de otras enfermedades crónicas, como la apnea del sueño y la diabetes, manteniendo siempre un enfoque riguroso en la ética y la protección de datos personales.
