El análisis acústico de la voz y el habla, combinado con algoritmos de aprendizaje automático, puede convertirse en una herramienta objetiva, no invasiva y de bajo coste para apoyar el diagnóstico y el seguimiento de la esclerosis múltiple. Así lo demuestra la tesis doctoral «Algoritmos de Machine Learning para la Detección y Monitorización del Curso Clínico de la Esclerosis Múltiple mediante el Análisis Acústico de la Voz y el Habla», defendida recientemente por Jonathan Delgado Hernández en la Facultad de Psicología y Logopedia de la Universidad de La Laguna.
El trabajo, dirigido por Moisés Betancort Montesinos y codirigido por Tatiana Romero Arias y Miguel Ángel Hernández Pérez, plantea que el habla y la voz contienen información capaz de reflejar alteraciones del sistema nervioso central, incluso cuando estas todavía no son perceptibles mediante una evaluación clínica convencional. A partir de esa premisa, el investigador desarrolló y validó modelos basados en inteligencia artificial capaces de distinguir a personas con esclerosis múltiple de individuos sanos y de diferenciar los principales fenotipos de la enfermedad.
La esclerosis múltiple es una enfermedad neurológica compleja cuyo diagnóstico y seguimiento continúan planteando importantes desafíos clínicos. En este contexto, la búsqueda de biomarcadores digitales objetivos, no invasivos y de bajo coste se ha convertido en una de las principales líneas de investigación. La tesis de Delgado Hernández parte de la premisa de que la voz y el habla pueden aportar información sobre el estado del sistema nervioso central, lo que permitiría complementar las herramientas empleadas actualmente para detectar la enfermedad y monitorizar su evolución.
“Queremos transformar ese grito en datos objetivos para optimizar la detección temprana de la esclerosis múltiple y la monitorización de la progresión de la discapacidad”, explicó Delgado Hernández durante la defensa de la tesis, recuperando una reflexión histórica de Charcot sobre esta enfermedad para resumir el objetivo de su labor investigadora.
El estudio se desarrolló en tres fases complementarias. En primer lugar, el autor realizó una revisión sistemática y un metaanálisis de la literatura científica internacional para identificar qué parámetros acústicos del habla presentan una mayor relación con la evolución de la enfermedad. Posteriormente, diseñó un modelo capaz de diferenciar a personas con esclerosis múltiple de controles sanos mediante el análisis de distintas características de la voz. Finalmente, desarrolló un segundo modelo destinado a distinguir entre las formas remitente-recurrente y progresiva de la patología mediante un análisis acústico multidimensional del habla, un aspecto de gran interés para el seguimiento clínico de los pacientes.
Los resultados obtenidos muestran que determinadas características acústicas permiten identificar patrones asociados a la enfermedad con una elevada capacidad de clasificación. Además, el análisis multidimensional del habla permitió discriminar entre los principales fenotipos clínicos, ofreciendo una herramienta especialmente útil para descartar la progresión de la enfermedad y facilitar la toma de decisiones en el ámbito asistencial.
Uno de los aspectos más destacados del estudio es su vocación de transferencia. Los modelos desarrollados no quedaron limitados al ámbito experimental, sino que fueron integrados en aplicaciones informáticas diseñadas para su utilización en entornos clínicos. Estas herramientas permiten analizar grabaciones de voz realizadas en consulta y obtener, en pocos minutos, un resultado que puede complementar la evaluación realizada por el personal especialista.
Durante el acto académico también se puso de relieve el carácter multidisciplinar del proyecto, fruto de la unión entre especialistas en logopedia, psicología, neurología y análisis de datos. El trabajo se desarrolló en estrecha colaboración con la Unidad de Esclerosis Múltiple del Hospital Universitario Nuestra Señora de Candelaria, una alianza que ha permitido trasladar preguntas surgidas en la práctica clínica al ámbito de la investigación y devolver posteriormente los resultados en forma de herramientas con potencial aplicación asistencial.
Desarrollada en el Programa de Doctorado en Psicología de la Universidad de La Laguna y presentada en la modalidad de compendio de publicaciones, la tesis obtuvo la calificación de sobresaliente cum laude. El tribunal encargado de evaluarla estuvo presidido por Alberto Domínguez Martínez, profesor de la Universidad de La Laguna, y contó además con la participación de Estíbaliz Terradillos Azpiroz, profesora de la Universidad Complutense de Madrid, y José María Óscar Prieto González, profesor de la Universidad de Santiago de Compostela.
En conjunto, este trabajo aporta nuevas evidencias sobre el potencial del análisis acústico de la voz y las técnicas de aprendizaje automático para mejorar el conocimiento y seguimiento de la esclerosis múltiple, sentando las bases para futuros estudios orientados a incorporar estas herramientas a la práctica clínica.
