En el cruce entre la biometría y la medicina preventiva, investigadores han enseñado a una inteligencia artificial a escuchar lo que el cuerpo susurra a través de la voz: la presencia de diabetes tipo 2. Con apenas veinte segundos de audio y un teléfono móvil, el sistema —entrenado con más de sesenta mil muestras— promete llevar el cribado médico a quienes viven fuera del alcance de los sistemas de salud tradicionales. Es un avance que ilumina tanto el potencial transformador de la IA como sus sombras más urgentes: los sesgos que heredamos cuando los datos que alimentan estas herramientas no r
IA analiza voz para detectar diabetes tipo 2 con 80% de precisión
Una herramienta de cribado que alcanza a quienes nunca llegan a un chequeo médico
Mark
¿Cómo es posible que la voz revele diabetes? ¿Qué cambia en cómo hablamos?
Mimi
El modelo identificó patrones acústicos que los investigadores no especifican completamente en el artículo, pero que aparentemente están asociados con cambios fisiológicos que acompañan a la diabetes tipo 2. Podrían ser cambios en la resonancia, la frecuencia, la calidad de la voz.
Luke
Exacto, y eso es importante: el artículo no detalla qué características acústicas específicas está midiendo el modelo. Sabemos que un estudio anterior identificó 14 características, pero aquí no se dice cuáles son.
Mark
El 80% de precisión suena muy bien. ¿Es realmente tan confiable?
Mimi
Bueno, ese 80% es cuando el modelo asignó puntuaciones de riesgo más altas a personas que ya sabían que tenían diabetes. Pero cuando lo probaron con pruebas de sangre reales en 801 personas, bajó al 75%, y la tasa de falsos positivos fue del 47%.
Luke
Eso es crucial. Casi la mitad de las personas que el modelo dice que están en riesgo alto no tendrían diabetes. Eso significa que si esto se implementara, habría que hacer muchas pruebas de sangre innecesarias. No es malo como herramienta de cribado inicial, pero no es lo que el titular sugiere.
Mark
¿Por qué funcionó peor con participantes negros?
Mimi
Los investigadores dicen que hay dos razones: menos participantes negros en los datos de entrenamiento reportaban diabetes tipo 2, y otras condiciones comunes en esas poblaciones —enfermedades cardíacas, hipertensión, obesidad— producen cambios vocales similares.
Luke
Eso es honesto de su parte al reportarlo, pero también es un problema serio. Si esta tecnología se usa en el mundo real, ¿cómo se asegura que funciona equitativamente? El artículo no dice si están trabajando para resolver esto.
Mark
¿Entonces esto podría realmente llegar a los teléfonos?
Mimi
Potencialmente, sí. La idea es que alguien podría hacer una llamada o usar una aplicación, grabar 20 segundos leyendo algo, y recibir una puntuación de riesgo que le diga si debería hacerse una prueba de sangre.
Luke
Pero el artículo dice que aún se requiere evaluación clínica más exhaustiva. No está claro cuánto más trabajo falta antes de que esto sea clínicamente viable. ¿Meses? ¿Años? Eso no se especifica.
The Pulse
- Un modelo de IA detecta diabetes tipo 2 con 80% de precisión analizando solo 20 segundos de voz, lo que podría redefinir el acceso al cribado médico en todo el mundo.
- La tasa de falsos positivos del 47% revela que casi la mitad de las personas señaladas como de alto riesgo no tendrían la enfermedad, una imprecisión que exige cautela antes de cualquier implementación clínica.
- El rendimiento del modelo cayó notablemente en participantes negros, exponiendo cómo los sesgos en los datos de entrenamiento reproducen y amplifican desigualdades históricas en la medicina.
- Los investigadores posicionan la herramienta como un primer filtro —no un diagnóstico— que derivaría a las personas hacia análisis de sangre convencionales para confirmación.
- La validación clínica rigurosa sigue pendiente, pero si se supera ese umbral, la tecnología podría alcanzar a millones sin acceso a chequeos regulares, especialmente en regiones con baja cobertura sanitaria.
En el cruce entre la biometría y la medicina preventiva, investigadores han enseñado a una inteligencia artificial a escuchar lo que el cuerpo susurra a través de la voz: la presencia de diabetes tipo 2. Con apenas veinte segundos de audio y un teléfono móvil, el sistema —entrenado con más de sesenta mil muestras— promete llevar el cribado médico a quienes viven fuera del alcance de los sistemas de salud tradicionales. Es un avance que ilumina tanto el potencial transformador de la IA como sus sombras más urgentes: los sesgos que heredamos cuando los datos que alimentan estas herramientas no representan a todos por igual.
Un equipo de investigadores presentó en Milán, durante la reunión anual de la Asociación Europea para el Estudio de la Diabetes, un modelo de inteligencia artificial capaz de detectar diabetes tipo 2 a partir de grabaciones de voz de apenas veinte segundos. El sistema fue entrenado con más de 63,000 muestras de audio de participantes del Reino Unido y Estados Unidos, quienes leyeron fábulas de Esopo para generar los registros. En el 80% de los casos, el modelo asignó puntuaciones de riesgo más elevadas a quienes efectivamente tenían la enfermedad.
La promesa central es democratizar el cribado: convertir un teléfono móvil o una llamada en una puerta de entrada al diagnóstico temprano. En el Reino Unido, cerca del 30% de los casos de diabetes tipo 2 permanecen sin detectar, y solo cuatro de cada diez adultos elegibles asisten a los controles del sistema de salud. A nivel global, la prevalencia de diabetes en adultos se duplicó entre 1990 y 2022.
Sin embargo, el estudio también expone limitaciones significativas. Al evaluar el modelo con un subgrupo de 801 participantes que se sometieron a pruebas de sangre reales, la precisión bajó y la tasa de falsos positivos alcanzó el 47%. Más preocupante aún, el rendimiento fue notablemente inferior en grabaciones de participantes negros, debido a su menor representación en los datos de entrenamiento y a la presencia de otras condiciones —como hipertensión u obesidad— que generan alteraciones vocales similares a las de la diabetes.
La herramienta está concebida como un filtro inicial: quienes obtengan puntuaciones de alto riesgo serían derivados a análisis de sangre convencionales para confirmar el diagnóstico. Giedrė Čepukaitytė, investigadora de Thymia que presentó los hallazgos, destacó el potencial de obtener muestras de voz por teléfono o aplicación para llegar a poblaciones que hoy nunca acceden a un chequeo médico. Aun así, los investigadores advierten que se requiere una evaluación clínica más exhaustiva antes de que esta tecnología pueda integrarse a la práctica médica cotidiana.
Un equipo de investigadores ha entrenado un modelo de inteligencia artificial capaz de detectar diabetes tipo 2 analizando únicamente la voz de una persona. El sistema fue desarrollado usando 63,283 muestras de audio de 21,129 personas del Reino Unido y Estados Unidos, y luego puesto a prueba con grabaciones de 20 segundos en las que los participantes leían fábulas de Esopo. Los resultados, presentados el lunes en la reunión anual de la Asociación Europea para el Estudio de la Diabetes en Milán, muestran que el modelo asignó puntuaciones de riesgo más altas a personas con diabetes tipo 2 en el 80% de los casos.
La promesa es directa: una prueba de voz tan breve podría convertirse en una herramienta de cribado accesible desde un teléfono móvil o una llamada telefónica, llevando la detección de diabetes a poblaciones que actualmente no acceden a chequeos médicos regulares. En el Reino Unido, aproximadamente el 30% de los casos de diabetes tipo 2 permanecen sin diagnosticar, y solo cerca del 40% de los adultos elegibles asisten a los controles de salud del Servicio Nacional de Salud, que incluyen pruebas de detección cada cinco años para mayores de 40 años. A nivel mundial, la prevalencia de diabetes en adultos se duplicó entre 1990 y 2022, pasando del 7% al 14%.
Pero el estudio también revela limitaciones importantes. Cuando los investigadores evaluaron el modelo con un subgrupo de 801 participantes que se sometieron a pruebas de sangre de HbA1c en sus domicilios, el desempeño bajó. El modelo asignó puntuaciones de riesgo más elevadas a personas con diabetes tipo 2 confirmada en el 75% de los casos, detectando al 82% de los individuos con la enfermedad, pero con una tasa de falsos positivos del 47%. Esto significa que casi la mitad de las personas identificadas como de alto riesgo no tendrían realmente diabetes.
El análisis también expuso un problema crítico: el rendimiento fue significativamente inferior en grabaciones de participantes negros. Los investigadores atribuyen esto a dos factores: la menor cantidad de participantes negros en el conjunto de datos de entrenamiento que reportaban diabetes tipo 2, y la presencia de otras condiciones —enfermedades cardíacas, hipertensión, obesidad— que pueden producir alteraciones vocales similares a las de la diabetes. Este sesgo en los datos de entrenamiento es un recordatorio de que los modelos de IA heredan las desigualdades presentes en sus fuentes.
La tecnología está siendo posicionada como una herramienta de cribado inicial, no como un diagnóstico definitivo. Las personas identificadas como de alto riesgo serían derivadas a análisis de sangre convencionales para confirmar si tienen diabetes tipo 2. El modelo también puede clasificar a las personas en niveles de riesgo bajo, medio o alto basándose en sus resultados de HbA1c. Giedrė Čepukaitytė, investigadora de Thymia que presentó los hallazgos, señaló que esta aproximación tiene potencial para transformar el proceso de cribado al permitir obtener muestras de voz por teléfono o aplicación, alcanzando a muchas más personas que las vías actuales, especialmente a quienes nunca llegan a un chequeo médico.
La idea de usar la voz para detectar diabetes no es completamente nueva. Un estudio de 2023 de investigadores de Klick Labs analizó más de 18,000 grabaciones de 267 personas e identificó 14 características acústicas que diferían entre personas con y sin diabetes tipo 2. Lo que distingue esta investigación es su escala mucho mayor y su comparación con resultados de pruebas de sangre reales en lugar de depender de lo que los participantes reportaban sobre su propia salud. Sin embargo, los investigadores advierten que aún se requiere una evaluación clínica más exhaustiva antes de que esta tecnología pueda implementarse en la práctica médica cotidiana.
Notable Quotes
Esto tiene el potencial de transformar el proceso de cribado. Se puede obtener una muestra de voz por teléfono o a través de una aplicación, lo que nos permite llegar a muchas más personas que requieren un análisis de sangre en comparación con las vías actuales— Giedrė Čepukaitytė, investigadora de Thymia
Want the full story?
Read the original at Forbes Centroamérica ↗