Un algoritmo informático basado en la inteligencia artificial (IA) es capaz de predecir con exactitud la probabilidad de que una persona sufriera problemas cardíacosrelacionados con la obstrucción de las arterias basándose únicamente en grabaciones de voz, según un estudio presentado en la 71ª Sesión Científica Anual del Colegio Americano de Cardiología y publicado en la revista 'Mayo Clinic Proceedings'.
Según señalan los investigadores, una puntuación alta en los biomarcadores de voz tenían 2,6 veces más probabilidades de sufrir problemas importantes relacionados con la enfermedad arterial coronaria (EAC), una acumulación de placa en las arterias del corazón, y tres veces más probabilidades de mostrar indicios de acumulación de placa en las pruebas médicas, en comparación con los que tenían una puntuación baja. Un seguimiento que permitiría la monitorización y la teleasistencia.
"La telemedicina no es invasiva, es rentable y eficiente, y ha cobrado una importancia creciente durante la pandemia", afirma el doctor Jaskanwal Deep Singh Sara, becario de cardiología de Mayo Clinic y autor principal del estudio. Y aunque esta tecnología aún no está lista para su uso en la clínica, la demostración sugiere que el análisis de la voz podría ser una poderosa herramienta de cribado para identificar a los pacientes.
De los que tenían una puntuación alta de biomarcadores de voz, el 58,3% visitó el hospital por dolor en el pecho o sufrió un síndrome coronario agudo
"No estamos sugiriendo que la tecnología de análisis de la voz sustituya a los médicos o reemplace los métodos existentes de prestación de atención médica" puntualiza, pero creemos que hay una enorme oportunidad para que la tecnología de la voz actúe como complemento de las estrategias existentes. Proporcionar una muestra de voz es muy intuitivo e incluso agradable para los pacientes, y podría convertirse en un medio escalable para mejorar la gestión de los pacientes".
Para el nuevo estudio, los investigadores reclutaron a 108 pacientes que fueron remitidos para un angiograma coronario, un procedimiento de imagen de rayos X utilizado para evaluar el estado de las arterias del corazón. Se pidió a los participantes que grabaran tres muestras de voz de 30 segundos utilizando la aplicación para teléfonos inteligentes Vocalis Health. Para la primera muestra, los participantes leyeron un texto preparado. Para la segunda muestra, se les pidió que hablaran libremente sobre una experiencia positiva, y para la tercera, hablaron libremente sobre una experiencia negativa.
A continuación, el algoritmo de Vocalis Health analizó las muestras de voz de los participantes. En estudios anteriores, los investigadores identificaron seis características que estaban altamente correlacionadas con la EAC. Para el nuevo estudio, los investigadores combinaron estas características en una única puntuación, expresada como un número entre -1 y 1 para cada individuo. Un tercio de los pacientes se clasificó con una puntuación alta y dos tercios con una puntuación baja. "No podemos escuchar estas características particulares nosotros mismos", explica el doctor Jaskanwal Deep Singh Sara. "Esta tecnología está utilizando el aprendizaje automático para cuantificar algo que no es fácilmente cuantificable para nosotros usando nuestros cerebros humanos y nuestros oídos humanos".
Se realizó un seguimiento de los participantes en el estudio durante dos años. De los que tenían una puntuación alta de biomarcadores de voz, el 58,3% visitó el hospital por dolor en el pecho o sufrió un síndrome coronario agudo (un tipo de problema cardíaco importante que incluye ataques cardíacos), el punto final primario compuesto del estudio, en comparación con el 30,6% de los que tenían una puntuación baja de biomarcadores de voz. Los participantes con una puntuación alta de biomarcadores de voz también tenían más probabilidades de dar positivo en una prueba de esfuerzo o de que se les diagnosticara una EAC en una angiografía posterior (el criterio de valoración secundario compuesto).
"Sin duda es un campo apasionante, pero aún queda mucho trabajo por hace", asegura. "Tenemos que conocer las limitaciones de los datos que tenemos, y necesitamos realizar más estudios en poblaciones más diversas, ensayos más amplios y más estudios prospectivos como éste".