Una nueva solución basada en inteligencia artificial está acercando la capacidad diagnóstica especializada a los consultorios de atención primaria. Se trata de una herramienta diseñada para detectar cáncer de laringe a través del análisis automatizado de la voz del paciente, con una tasa de acierto del 93 % según las pruebas preliminares. El desarrollo está liderado por el Dr. Anthony Law, otorrinolaringólogo y biofísico, quien combina su práctica médica con investigación aplicada en el ámbito oncológico.
El proyecto nació a partir de una vivencia personal y observaciones clínicas. Durante la pandemia, Law notó cómo incluso su madre detectó anomalías en su voz por teléfono tras haberse contagiado de COVID-19. Esa intuición vocal, común pero no sistematizada, motivó el desarrollo de una tecnología que ahora aspira a convertir esa percepción subjetiva en una herramienta objetiva y replicable.
La voz como biomarcador de cáncer laríngeo
Los cambios en la voz, como la disfonía, la tensión o la aspereza, son síntomas frecuentes en personas con cáncer de laringe, especialmente en estadios avanzados. Estos signos se producen porque el tumor interfiere en el cierre de las cuerdas vocales, afectando directamente la producción del sonido. No obstante, se trata de un síntoma inespecífico que también puede deberse a afecciones benignas, lo que dificulta su interpretación en contextos no especializados.
Law señala que para un laringólogo experimentado, estas señales son fácilmente reconocibles. Sin embargo, para un médico general sin formación específica en otorrinolaringología, diferenciar entre una disfonía por resfriado y una por neoplasia es un reto diagnóstico. Esta limitación puede provocar retrasos en la derivación y pérdida de oportunidad terapéutica.
Con el objetivo de mejorar la capacidad de detección temprana, el equipo de investigación construyó una base de datos compuesta por más de 15.000 grabaciones de voz de pacientes, las cuales se utilizaron para entrenar una red neuronal profunda. Este tipo de modelo de IA replica patrones de procesamiento cerebral y es capaz de reconocer variaciones acústicas sutiles relacionadas con alteraciones laríngeas.
La herramienta está disponible a través de una aplicación móvil que se ajusta al flujo de trabajo clínico. El proceso, que dura menos de cinco minutos, incluye consentimiento informado, recolección de datos demográficos y la grabación de una serie de indicaciones vocales guiadas. Este diseño busca facilitar su implementación en atención primaria, donde la carga asistencial y las limitaciones de tiempo son factores críticos.
Equidad algorítmica como eje de desarrollo
Uno de los pilares del diseño del modelo fue evitar sesgos demográficos y lingüísticos que pudieran comprometer la equidad diagnóstica. Según Law, fue esencial asegurarse de que el algoritmo funcionara de forma consistente entre géneros, grupos étnicos y acentos regionales. “Si el sistema es eficaz solo con ciertas poblaciones, hemos fracasado en nuestro objetivo”, aseguró.
Para lograrlo, el equipo realizó ajustes sucesivos en el entrenamiento del modelo, incorporando diversidad lingüística y validando el desempeño en entornos reales más ruidosos y menos controlados que el laboratorio, como consultorios médicos.
El siguiente paso será realizar un ensayo clínico aleatorizado, en el que se compararán clínicas que usan la herramienta con otras que siguen los protocolos convencionales. Los objetivos serán evaluar si se logra reducir el tamaño tumoral al momento del diagnóstico, acortar los tiempos de referencia especializada y, en última instancia, mejorar la supervivencia en pacientes con cáncer de laringe.
La hipótesis de los investigadores es clara: incorporar esta tecnología en el primer nivel de atención puede optimizar el circuito diagnóstico, evitar demoras y detectar tumores en fases más tratables.
Democratizar la precisión diagnóstica
Más allá de su rendimiento técnico, esta herramienta representa una apuesta por democratizar el acceso al diagnóstico especializado. Law destaca que el propósito no es sustituir al especialista, sino llevar parte de su capacidad diagnóstica a lugares donde aún no está disponible. “Podemos concentrar esta tecnología en centros académicos o usarla para ampliar el acceso de manera ética y responsable”, expresó.
De validarse su utilidad, el modelo podría aplicarse también a otras patologías que alteran la voz, incluyendo trastornos neurológicos, enfermedades pulmonares e infecciones respiratorias, consolidando la voz como biomarcador clínico accesible, económico y no invasivo.
