Este es el raro tipo de cáncer que se detecta por un cambio en la voz: lo sufren 3.000 personas al año en España

Algunos tipos de cáncer, como el cáncer de pulmón, colon, próstata o mama, poseen síntomas conocidos y detectables de forma precoz, tanto por parte de la población general como por parte de los profesionales sanitarios.

Sin embargo, otros tipos de cáncer menos comunes, como el cáncer de faringe o laringe, pueden resultar más difíciles de sospechar y diagnosticar. Se trata de una tarea crucial: la detección de estos tipos de cáncer en fases iniciales aumenta la supervivencia a 5 años a un 80%.

Las lesiones cancerosas que afectan a las cuerdas vocales llegan a ejercer una influencia sutil sobre el tono de la voz de una persona, y esto a su vez puede ayudar a detectar estos tipos de cáncer de forma más precoz. Estos cambios son indetectables para el oído humano, pero la inteligencia artificial sí podría detectarlos.

Solo durante 2021 se diagnosticaron 1,1 millones de casos de cáncer de faringe y laringe en todo el mundo, y aproximadamente 100.000 personas fallecieron a causa de la enfermedad. España es uno de los países de mayor incidencia, con más de 3.000 nuevos casos diagnosticados anualmente.

Crean una IA que supera a los médicos más experimentados: tiene cuatro veces más aciertos en diagnósticos complejos

Este cáncer requiere de procedimientos invasivos para su diagnóstico, como la endoscopia nasal y las biopsias. Pero esto podría cambiar a corto y medio plazo. Un nuevo trabajo llevado a cabo por los investigadores de la Universidad de Ciencias y Salud de Oregón y la Universidad Estatal de Portland, cuyos resultados se han publicado en la revista Frontiers in Digital Health.

El uso de herramientas de detección digital podría ayudar a objetivar signos tempranos de cáncer de laringe tan solo usando grabaciones de voz. Esto permitiría un diagnóstico precoz y por tanto a un tratamiento temprano de la enfermedad.

Para el estudio, se analizaron 12.523 grabaciones de voz de 306 participantes, con el objetivo de identificar las características vocales de posibles lesiones de cuerdas vocales, distinguiendo si eran benignas o malignas. En particular, la relación armónico-ruido, es decir, la relación entre el tono y el ruido, ayudó a diferenciar entre voces con cáncer, lesiones benignas y trastornos de la voz.

Como explica Phillip Jenkins, informático clínico de la Universidad de Ciencias y Salud de Oregón: "Para pasar de este estudio a una herramienta de IA que reconozca lesiones en las cuerdas vocales, entrenaríamos modelos utilizando un conjunto de datos aún mayor de grabaciones de voz, etiquetadas por profesionales. Luego, necesitaremos probar el sistema para asegurarnos de que funcione igual de bien en mujeres y hombres".

Actualmente ya existen avances significativos en la aplicación médica de la IA, como la detección precoz de enfermedades neurodegenerativas como la enfermedad de Alzheimer o la enfermedad de Parkinson, la depresión o incluso la apnea del sueño, donde el reconocimiento de la voz tiene un importante papel. La IA en estos casos habría demostrado servir como herramienta de cribado accesible y de bajo coste, algo más útil si cabe en zonas con recursos sanitarios limitados.

El abuso de la IA resta habilidades a los endoscopistas, según un estudio: "Hay que evitar que se automaticen"

De hecho, el mismo Jenkins asegura que ya se están probando herramientas de salud basadas en la voz, y augura que, en base a estos hallazgos y gracias a conjuntos de datos más amplios validados clínicamente, en los próximos dos años podrían surgir herramientas similares para detectar lesiones en las cuerdas vocales en fase piloto.

Para finalizar, cabe recordar que, aunque este enfoque es prometedor, no carece de limitaciones: será necesaria una validación multicéntrica, usar poblaciones diversas, y detectar características más específicas en el caso de mujeres, como ya han sugerido los investigadores. Además, será necesario establecer protocolos claros para cerciorarse de cumplir con la privacidad y el uso seguro de los datos de la voz de los pacientes estudiados.