Una frase sencilla que contiene todas las letras del abecedario —“The quick brown fox jumps over the lazy dog” (El rápido zorro marrón salta sobre el perro perezoso)— se ha convertido en la clave de una herramienta innovadora para detectar el Parkinson. El estudio, publicado en npj Parkinson’s Disease (2025), propone una forma sencilla y accesible de identificar esta enfermedad a partir del análisis de voz. Solo haría falta una grabación casera pronunciando esa frase.
Lo más sorprendente es que esta frase breve puede encerrar pistas suficientes sobre cambios sutiles en el habla provocados por el Parkinson. La tecnología detrás del sistema analiza cómo se emite el sonido, los cambios de ritmo, la articulación y hasta las pausas. Según los autores, estos patrones revelan alteraciones neurológicas difíciles de percibir incluso para los médicos en etapas tempranas.
La herramienta podría usarse desde casa con solo un portátil y una conexión a internet, algo especialmente relevante para quienes viven en zonas con pocos neurólogos. Por ejemplo los autores mencionan que en países como Bangladesh hay menos de un especialista por cada millón de habitantes.
"Hay grandes franjas de los Estados Unidos y en todo el mundo donde el acceso a la atención neurológica especializada es limitado", dijo Ehsan Hoque, profesor del Departamento de Ciencias de la Computación de Rochester, codirector del Laboratorio de Interacción Humano-Computadora de Rochester y autor del estudio.
IA entrenada para escuchar lo que otros no oyen
Para lograr este avance, los científicos utilizaron modelos de inteligencia artificial conocidos como Wav2Vec 2.0, WavLM e ImageBind, capaces de convertir la voz en datos digitales complejos. Estos sistemas ya se usan para tareas como el reconocimiento de voz o la traducción automática, pero ahora se han adaptado para detectar enfermedades a partir de cambios imperceptibles en el habla.
"Con el consentimiento de los usuarios, las interfaces basadas en el habla ampliamente utilizadas como Amazon Alexa o Google Home podrían ayudar potencialmente a las personas a identificar si necesitan buscar más atención", dijo Hoque.
Lo novedoso es que no se entrenó con sonidos artificiales ni tareas clínicas forzadas, sino con grabaciones de personas diciendo la misma frase en distintos entornos: en casa, en clínicas o centros de cuidados. En total, el estudio analizó 1.854 grabaciones de 1.306 personas, de las cuales 392 tenían diagnóstico de Parkinson.
La clave fue fusionar los datos que cada modelo entendía de la voz en un solo sistema más robusto, capaz de reconocer patrones comunes. Esta arquitectura híbrida logró un 88,9 % de precisión para detectar la enfermedad y superó a otros modelos anteriores. Además, demostró ser eficaz incluso en ambientes ruidosos o con micrófonos caseros.
Detectar sin tocar: un modelo accesible y equitativo
El nuevo enfoque rompe con la tradición médica de observar síntomas motores —temblores, rigidez, lentitud— para diagnosticar Parkinson. Esta IA no necesita observar al paciente ni usar sensores físicos, solo escucha. Y lo hace con una sensibilidad notable, incluso en personas con la enfermedad en fases iniciales o sin síntomas evidentes.
"Estos grandes modelos de audio están entrenados para entender cómo funciona el habla; por ejemplo, la forma en que alguien con Parkinson pronuncia sonidos, hace una pausa, respira y agrega inadvertidamente características de ininteligibilidad es diferente en alguien sin Parkinson", dijo Abdelrahman Abdelkader, estudiante de maestría en ciencias de la computación en el laboratorio de Hoque y autor del estudio.
Esta accesibilidad representa un cambio radical en el diagnóstico de Parkinson, sobre todo en regiones donde el acceso al neurólogo puede llevar años. Con una frase grabada desde un navegador web, el sistema analiza la voz y da un resultado orientativo. Aunque no sustituye al diagnóstico médico, puede alertar a quienes ni siquiera sospechan que tienen la enfermedad.
Además, el sistema fue diseñado para funcionar igual de bien en mujeres, hombres, jóvenes y mayores, sin sesgos por edad o etnia. Eso lo convierte en una herramienta prometedora para poblaciones diversas y con menos representación en estudios clínicos tradicionales.
Qué tan precisa es y qué puede fallar
El modelo alcanzó un 85,7 % de precisión general y un 91 % de especificidad, es decir, identificó correctamente a quienes no tenían la enfermedad. También obtuvo un buen valor predictivo negativo: si el sistema dice que no tienes Parkinson, es probable que tenga razón. Pero, como todo sistema automatizado, tiene puntos ciegos.
El mayor desafío sigue siendo la sensibilidad, que ronda el 75 %. Esto significa que en algunos casos, especialmente en ciertas franjas de edad, puede no detectar la enfermedad. Por ejemplo, los errores fueron más frecuentes en personas con entre 50 y 70 años, especialmente mujeres mayores, probablemente debido a cambios naturales en la voz que confunden al sistema.
El modelo también mostró limitaciones al trasladarse a nuevos entornos o grabaciones espontáneas, aunque mantuvo un buen rendimiento. Incluso sin entrenarse con discursos largos, logró una precisión del 74 % al analizar minutos de conversación libre sobre cualquier tema.
Una idea sencilla con consecuencias enormes
Detrás de esta tecnología hay un principio revolucionario: la voz puede ser una huella neurológica. El Parkinson no solo afecta el cuerpo; también altera cómo hablamos, incluso antes de que aparezcan los temblores. Esta herramienta detecta justo esas señales invisibles, como una especie de radar emocional y neurológico.
"La investigación muestra que casi el 89 % de las personas con Parkinson tienen una deformidad en su voz que puede ser indicativa de la enfermedad, lo que hace que el habla sea un punto de partida fuerte para la detección digital", dijo Tariq Adnan, estudiante de doctorado en informática afiliado al laboratorio de Hoque y otro autor del estudio.
Su desarrollo es también una respuesta al creciente coste del Parkinson, que en EE. UU. ya supera los 52.000 millones de dólares anuales. Si se pudiera detectar antes, con herramientas caseras como esta, se evitarían diagnósticos tardíos y tratamientos ineficaces. Además, permitiría monitorear la evolución de la enfermedad desde casa.
"Al combinar este método con evaluaciones de otros síntomas, nuestro objetivo es cubrir a la mayoría de las personas a través de nuestro proceso de detección accesible", dijo Adnan.
Esto no solo democratiza el acceso al diagnóstico, sino que puede cambiar la manera en que entendemos el Parkinson: no como una enfermedad que se ve, sino como una que también se oye. Y eso puede tener implicaciones para muchas otras patologías neurológicas.
Qué viene ahora: mejorar, adaptar, expandir
Aunque los resultados son prometedores, los autores del estudio insisten en que este sistema no es infalible ni definitivo. No está diseñado para reemplazar al neurólogo, sino para ser una herramienta de apoyo, una alerta temprana. Las próximas versiones podrían incorporar otras señales, como el movimiento facial o los gestos al hablar, que también cambian con el Parkinson.
Uno de los próximos retos es adaptarlo a otros idiomas y culturas, ya que el modelo actual funciona solo con frases en inglés. Pero sus arquitecturas, basadas en aprendizaje profundo y datos de voz reales, podrían entrenarse con facilidad en español u otras lenguas.
La meta es clara: convertir una tecnología compleja en una herramienta cotidiana, que pueda usarse desde el móvil, sin necesidad de sensores, clínicas ni expertos. Una frase podría ser suficiente para cambiar la historia clínica de millones de personas. Y eso, sin duda, es un futuro que ya se está escribiendo con voz propia.
Referencias
- Adnan, T., Abdelkader, A., Liu, Z. et al. A novel fusion architecture for detecting Parkinson’s Disease using semi-supervised speech embeddings. npj Parkinsons Dis. (2025). doi: 10.1038/s41531-025-00956-7
