La voz como señal temprana: una IA busca detectar Alzheimer a partir de cómo hablamos.
La enfermedad de Alzheimer suele asociarse con la pérdida de memoria, pero mucho antes de que una persona olvide nombres, se desoriente o tenga dificultades evidentes para desenvolverse, pueden aparecer cambios mucho más sutiles. Algunos están en la forma de hablar: la velocidad, las pausas, la elección de palabras, la longitud de las frases y el nivel de precisión con el que describimos objetos o situaciones.
Ese es el punto de partida de una línea de investigación que está creciendo con fuerza y que hoy combina neurociencia, lenguaje e inteligencia artificial. El neurocientífico argentino Adolfo García y su equipo desarrollaron un sistema capaz de analizar unos pocos minutos de habla espontánea y extraer patrones que pueden asociarse con enfermedad de Alzheimer, deterioro cognitivo leve y otras formas de demencia.
La propuesta resulta especialmente interesante porque no necesita, en principio, una resonancia, una punción lumbar ni una evaluación extensa para obtener una primera señal. Una persona habla, realiza algunas tareas sencillas y un algoritmo analiza características que para el oído común podrían pasar completamente inadvertidas.
Pero hay una precisión importante desde el comienzo: hablar de “detección” no significa que una aplicación pueda diagnosticar por sí sola una enfermedad tan compleja como el Alzheimer. El verdadero potencial de estas herramientas está en funcionar como marcadores digitales capaces de identificar personas que necesitan una evaluación más profunda, complementar otros estudios y facilitar un seguimiento que hoy puede resultar costoso o difícil de realizar a gran escala.
Qué puede revelar nuestra manera de hablar
El lenguaje exige mucho más trabajo cerebral del que percibimos. Cuando conversamos, el cerebro tiene que recuperar palabras, elegir entre conceptos parecidos, organizar frases, mantener una idea, coordinar la respiración y la articulación, adaptar el tono y seguir el hilo de lo que queremos decir.
Todo eso ocurre en segundos.
Cuando determinadas redes cerebrales empiezan a deteriorarse, algunos de esos procesos también pueden modificarse. La persona quizás todavía logra mantener una conversación perfectamente comprensible, pero comienza a necesitar más tiempo para encontrar ciertas palabras, utiliza términos más generales, construye frases más cortas o introduce pausas diferentes de las habituales.
La inteligencia artificial puede cuantificar esas pequeñas variaciones.
El sistema desarrollado por el equipo de García trabaja con distintos tipos de tareas. Una persona puede tener que mencionar todos los animales que recuerde durante un tiempo determinado, describir una imagen, observar un video y contar después lo que ocurrió o simplemente producir una muestra de habla espontánea.
A partir de ese material se analizan tanto las características acústicas de la voz como el contenido lingüístico.
Eso permite mirar el lenguaje desde dos perspectivas distintas.
No importa solamente qué decimos, sino cómo lo decimos
La parte acústica estudia aspectos como el ritmo, la velocidad, la duración y cantidad de las pausas, la entonación y diferentes propiedades de la voz.
La parte lingüística analiza el texto después de transcribirlo. Allí pueden estudiarse la longitud de las oraciones, el tipo de palabras utilizadas, su frecuencia, la riqueza del vocabulario y el grado de precisión conceptual.
Una persona puede responder correctamente y, aun así, mostrar un patrón diferente.
Imaginemos que se muestra una naranja y se pregunta qué es.
Alguien puede responder “naranja”. Otra persona puede decir “fruta”. Otra puede decir “alimento”, y alguien podría terminar respondiendo simplemente “cosa”.
Ninguna de las últimas respuestas es necesariamente falsa, pero cada una pierde precisión respecto de la anterior.
Ese tipo de cambio semántico puede contener información.
En algunas personas con Alzheimer se observa justamente una tendencia hacia palabras más frecuentes y conceptos más generales, además de una reducción de la velocidad del habla y frases más cortas.
El algoritmo no escucha una palabra aislada y concluye que alguien tiene Alzheimer. Busca combinaciones de muchas pequeñas características que, consideradas en conjunto, pueden formar un patrón.
Por qué una computadora puede detectar cosas que nosotros no escuchamos
Una conversación cotidiana resulta demasiado compleja para que una persona mida conscientemente todas sus características.
Podemos notar que alguien tarda más en encontrar una palabra o repite una idea, pero difícilmente podamos calcular mientras escuchamos cuántas pausas hizo, cuánto duró cada una, qué proporción de sustantivos utilizó, cuál fue la frecuencia promedio de las palabras elegidas o cómo cambió su entonación a lo largo de varios minutos.
Una computadora sí puede hacerlo.
Y puede hacerlo de la misma manera cientos o miles de veces.
Ahí aparece una de las grandes ventajas de la inteligencia artificial aplicada a este campo. No necesariamente descubre un fenómeno completamente desconocido; muchas veces permite medir con enorme precisión señales que los neurólogos, neuropsicólogos y especialistas en lenguaje conocen desde hace años.
La diferencia está en la escala.
Los resultados son prometedores, pero necesitan contexto
En la investigación presentada por García y sus colaboradores se utilizaron datos de cientos de personas con diagnóstico de Alzheimer y de personas cognitivamente sanas para entrenar y evaluar los modelos.
Según los resultados informados, las medidas del habla consiguieron una capacidad de discriminación cercana al 90 % entre personas con Alzheimer y controles sanos. En determinados análisis, su rendimiento resultó comparable al obtenido mediante variables extraídas de neuroimágenes y superior al de algunas medidas cognitivas convencionales utilizadas dentro de esos modelos.
Es un resultado muy llamativo.
Además, una investigación publicada en 2026 por el propio equipo evaluó marcadores digitales del habla en población latinoamericana y encontró que podían igualar o superar el desempeño de clasificadores basados en determinadas medidas cognitivas y de neuroimagen para distinguir Alzheimer.
Pero esas cifras deben interpretarse correctamente.
Una precisión cercana al 90 % dentro de una investigación no significa que cualquier persona pueda grabar hoy dos minutos de voz en su teléfono y obtener un diagnóstico con un 90 % de certeza.
El rendimiento depende de la población estudiada, de cómo se obtuvieron las muestras, de la prevalencia de la enfermedad, del algoritmo utilizado y, sobre todo, de cómo funciona la herramienta cuando se lleva a poblaciones diferentes de aquellas con las que fue entrenada.
Ésa es precisamente una de las grandes cuestiones que la ciencia todavía está intentando resolver.
El deterioro cognitivo leve es un desafío todavía mayor
Detectar Alzheimer cuando una persona ya presenta una enfermedad bien establecida es una cosa. Identificar cambios cuando todavía existe únicamente un deterioro cognitivo leve es bastante más difícil.
El deterioro cognitivo leve describe una situación en la que existen cambios objetivos en memoria u otras capacidades cognitivas, pero la persona mantiene en gran medida su independencia para realizar las actividades cotidianas.
Algunas personas con deterioro cognitivo leve progresarán hacia una demencia.
Otras permanecerán estables durante años.
Y algunas incluso pueden mejorar, dependiendo de la causa.
Por eso no puede considerarse simplemente una etapa inevitable previa al Alzheimer.
Los marcadores del habla también están siendo estudiados en este grupo. Hay trabajos que muestran resultados prometedores, pero las revisiones más recientes advierten que distinguir deterioro cognitivo leve del envejecimiento normal sigue siendo menos fiable que diferenciar a una persona con Alzheimer establecido de un control sano.
Éste es un punto fundamental.
Cuanto más temprano queremos detectar una alteración, más sutil es la señal.
Y más difícil resulta evitar falsos positivos.
Un biomarcador digital no reemplaza un diagnóstico médico
El concepto de biomarcador digital aparece cada vez más en medicina.
Puede ser una medida obtenida mediante un teléfono, un reloj inteligente, un sensor, una cámara, una prueba digital o, como en este caso, una grabación de voz.
La ventaja es evidente: son herramientas relativamente económicas, repetibles y potencialmente accesibles desde cualquier lugar.
Pero su lugar ideal no es necesariamente reemplazar a los médicos.
Puede ser ayudarlos a decidir quién necesita más estudios.
Si una evaluación del lenguaje encuentra señales preocupantes, el siguiente paso podría incluir una historia clínica completa, pruebas neuropsicológicas, análisis de laboratorio, estudios de imágenes y, en determinados pacientes, biomarcadores relacionados con las proteínas amiloide y tau.
El diagnóstico de Alzheimer no depende únicamente de cómo habla una persona.
Además, existen muchas otras razones por las que alguien puede presentar dificultades lingüísticas o cognitivas.
Depresión, ansiedad, falta de sueño, determinados medicamentos, problemas auditivos, trastornos tiroideos, déficit de vitamina B12, accidentes cerebrovasculares y otras enfermedades neurológicas pueden modificar el rendimiento cognitivo.
La voz puede dar una pista.
Después hay que entender qué significa.
El gran atractivo: hacerlo rápido, barato y desde lejos
Actualmente, una evaluación especializada de deterioro cognitivo puede requerir varias consultas, pruebas neuropsicológicas y estudios que no siempre están disponibles en todas las ciudades.
En América Latina esa dificultad se vuelve especialmente evidente.
Hay lugares donde existen pocos especialistas y viajar hasta un centro de referencia implica tiempo, dinero y, para una persona mayor, una considerable carga física y emocional.
Una prueba que pueda administrarse mediante una computadora o incluso de forma remota tiene un potencial enorme.
Una persona podría realizar una breve evaluación del lenguaje y, si el resultado muestra alguna señal preocupante, ser derivada hacia un estudio más completo.
Eso permitiría concentrar los recursos especializados en quienes tienen mayor probabilidad de necesitarlos.
También podría servir para realizar seguimientos periódicos. En lugar de observar únicamente cómo se encuentra una persona una vez al año, sería posible medir cambios del lenguaje en diferentes momentos y evaluar si existe una trayectoria progresiva.
En enfermedades que avanzan lentamente, esa información longitudinal puede ser especialmente valiosa.
Uruguay ya aparece dentro de esta experiencia
Uno de los aspectos particularmente interesantes para nosotros es que esta tecnología no está limitada a Estados Unidos o Europa.
Según la información difundida por el investigador, la herramienta denominada TELL ya se utiliza o evalúa en más de quince países y diferentes centros latinoamericanos.
En Uruguay, el Hospital Evangélico inauguró una sala de evaluación digital del lenguaje vinculada con este tipo de tecnología.
Eso acerca una investigación que podría parecer futurista a nuestra propia realidad sanitaria.
Los informes generados pueden incorporarse a la historia clínica y ser utilizados como una pieza más dentro de la evaluación profesional.
Ese enfoque probablemente sea mucho más razonable que imaginar una aplicación de consumo masivo diciendo desde un teléfono “usted tiene Alzheimer”.
La utilidad está en integrar información.
El idioma puede cambiar completamente el resultado
Hay otro aspecto fascinante en esta investigación: no hablamos igual en todos los países.
Incluso dentro del español existen enormes diferencias.
Ritmo, vocabulario, entonación, construcciones gramaticales y frecuencia de determinadas palabras cambian según la región, la edad, el nivel educativo y el contexto sociocultural.
Eso crea un desafío importante para cualquier inteligencia artificial.
Un modelo entrenado principalmente con hablantes de inglés de Estados Unidos no necesariamente funcionará igual en una persona de Uruguay, Argentina, Colombia o Perú.
Una pausa que el algoritmo interpreta como alteración cognitiva podría, en otro contexto, formar parte de una característica normal del habla.
Por eso García participa también en proyectos destinados específicamente a estudiar poblaciones latinoamericanas.
Es un punto especialmente relevante porque buena parte de la investigación mundial sobre Alzheimer todavía está basada en poblaciones de países de altos ingresos y con predominio de ascendencia europea.
Si queremos herramientas útiles para América Latina, tenemos que estudiarlas en América Latina.
La educación también puede modificar cómo hablamos
El nivel educativo es otro factor que requiere atención.
Alguien que pasó gran parte de su vida leyendo y utilizando un vocabulario amplio probablemente produzca un lenguaje diferente del de otra persona con menor escolarización, aunque ambas tengan exactamente la misma salud cerebral.
La edad también influye.
El país influye.
El contexto social influye.
Incluso la ocupación puede hacerlo.
Un algoritmo que no tenga en cuenta esas variables corre el riesgo de confundir diversidad humana con enfermedad.
Los investigadores están intentando desarrollar medidas que sean robustas frente a esas diferencias, pero lograrlo necesita grandes bases de datos con poblaciones diversas.
Una revisión sistemática publicada en 2026, que reunió más de 18.000 participantes de 63 estudios, concluyó que los modelos de voz y lenguaje con inteligencia artificial tienen un potencial importante para detectar Alzheimer y deterioro cognitivo. Al mismo tiempo, señaló una debilidad que se repite en este campo: muchos estudios todavía utilizan muestras relativamente pequeñas, realizadas en un único centro y sin suficiente validación externa.
Por eso el entusiasmo está justificado.
La cautela también.
La inteligencia artificial encuentra patrones, no “escucha Alzheimer”
Es tentador imaginar que la enfermedad tiene una especie de sonido característico y que una computadora simplemente aprende a reconocerlo.
La realidad es más compleja.
El algoritmo trabaja con estadísticas.
Puede detectar que determinada combinación de pausas, velocidad del habla, riqueza léxica, precisión semántica y otras características aparece con mayor frecuencia en personas con una condición determinada.
A partir de ahí calcula probabilidades.
No entiende la enfermedad como lo hace un médico.
No sabe qué está viviendo esa persona.
No conoce por sí mismo sus antecedentes, medicamentos, estado emocional o enfermedades.
Su fortaleza está en procesar grandes cantidades de información y encontrar relaciones que serían difíciles de medir manualmente.
Por eso funciona mejor como complemento que como sustituto de una evaluación clínica.
Qué cambios en el lenguaje deberían llamarnos la atención
Todos olvidamos palabras alguna vez.
Entrar en una habitación y no recordar para qué fuimos, tardar unos segundos en recuperar un nombre o decir “eso que está ahí” cuando estamos cansados no significa tener Alzheimer.
El envejecimiento normal incluye cierta disminución de la velocidad para recuperar información.
Lo que merece mayor atención son los cambios persistentes respecto de cómo era esa persona anteriormente.
Por ejemplo, empezar a perder con frecuencia el hilo de una conversación, utilizar palabras cada vez más generales porque no aparecen los términos concretos, repetir constantemente las mismas preguntas, tener dificultades crecientes para comprender conversaciones o mostrar otros cambios cognitivos que empiezan a interferir con la vida cotidiana.
El contexto siempre importa.
Una señal aislada no permite diagnosticar nada.
La progresión y el impacto funcional son mucho más relevantes.
Detectar antes empieza a ser cada vez más importante
Durante años podía aparecer una pregunta lógica: ¿para qué detectar Alzheimer antes si no podemos curarlo?
Hoy la respuesta empieza a cambiar.
Aunque todavía no existe una cura, el diagnóstico temprano permite investigar causas tratables de deterioro cognitivo, organizar cuidados, tomar decisiones personales mientras la autonomía está conservada y controlar factores que pueden afectar la salud cerebral.
Además, el tratamiento de la enfermedad de Alzheimer está entrando en una etapa diferente, con terapias dirigidas a mecanismos biológicos específicos que, en determinados pacientes y bajo criterios estrictos, pueden enlentecer modestamente la progresión en fases tempranas.
Cuanto más dependan los tratamientos de intervenir antes de que exista un daño muy avanzado, más importante será encontrar herramientas que ayuden a reconocer a las personas que deberían estudiarse.
En ese escenario, una prueba económica y accesible basada en lenguaje podría tener un papel muy interesante.
También habrá que cuidar la privacidad
Nuestra voz contiene mucha información.
No solamente palabras.
Puede revelar identidad, origen geográfico, edad aproximada y características de salud.
Por eso cualquier sistema que utilice grabaciones para evaluar enfermedades necesita reglas claras sobre almacenamiento, consentimiento y utilización de datos.
Dónde queda guardada esa voz?
Quién puede acceder?
Se utiliza para volver a entrenar algoritmos?
Durante cuánto tiempo se conserva?
Qué ocurre si se comparte con terceros?
Son preguntas que deberían formar parte de la conversación desde el comienzo.
La innovación médica no puede avanzar ignorando la protección de datos.
No necesitamos convertir cada olvido en una prueba
Hay otro riesgo que conviene evitar.
A medida que estas tecnologías se vuelvan accesibles, podrían generar una obsesión por medir constantemente nuestra cognición.
Eso tampoco sería saludable.
Una mala noche, estrés intenso, ansiedad, una infección, determinados medicamentos o simplemente un día de cansancio pueden cambiar nuestro rendimiento.
Un resultado aislado no debería convertirse en una sentencia.
El verdadero valor probablemente aparezca cuando estas herramientas estén incorporadas dentro de protocolos bien definidos y sean interpretadas junto con otras variables clínicas.
No en realizar pruebas compulsivamente cada vez que olvidamos una palabra.
Una conversación puede contener mucha más información de la que imaginamos
Quizás ésa sea la parte más sorprendente de este desarrollo.
Hablamos todos los días sin pensar en la extraordinaria cantidad de procesos cerebrales que intervienen.
Buscamos palabras.
Construimos significados.
Recordamos.
Planificamos.
Escuchamos.
Respondemos.
Y todo eso deja pequeñas huellas medibles.
La inteligencia artificial está empezando a convertir esas huellas en información clínica.
Todavía queda trabajo por hacer. Los modelos necesitan validarse en poblaciones más grandes, diversas y representativas, especialmente cuando hablamos de detectar etapas muy tempranas. También habrá que definir con precisión cómo se integran al sistema sanitario y qué decisiones puede tomarse a partir de sus resultados.
Pero la dirección resulta difícil de ignorar.
Quizá en los próximos años una evaluación cognitiva pueda comenzar de una manera mucho más sencilla de lo que imaginábamos: sentándonos frente a un teléfono o una computadora y hablando durante unos minutos.
No para que una máquina decida sola si tenemos Alzheimer.
Sino para que nuestra propia manera de hablar ayude a detectar cuándo vale la pena mirar más profundamente.
