Plataforma de Inteligencia Artificial para la Detección Temprana de la Enfermedad de Alzheimer a través de la Voz (IAEAV)

Abstract

Detectar el Alzheimer en fases tempranas sigue requiriendo recursos clínicos que la mayoría de la población no tiene a su alcance. El análisis de voz puede cambiar esto: es no invasivo, barato y capturable con un móvil. Sin embargo, llevarlo a la práctica obliga a garantizar calidad de grabación, privacidad de los datos y que los modelos puedan explicar sus predicciones. El proyecto IAEAV parte de estos requisitos para construir una plataforma completa que guía al paciente durante la evaluación, cifra el audio en el dispositivo antes de transmitirlo (AES-256-GCM + RSA-OAEP) y lanza la inferencia IA en segundo plano sin bloquear la aplicación. A partir de ahí, la investigación avanza en tres direcciones principales. En primer lugar, COPEX muestra que los modelos basados en Transformers se apoyan principalmente en los verbos para detectar el Alzheimer en texto. Asimismo, un benchmark acústico de 3.888 configuraciones identifica a ResNeXtAudio como la arquitectura más precisa, con mapas Grad-CAM que permiten visualizar qué regiones del espectrograma determinan cada predicción. Finalmente, ABERTA utiliza un enfoque multimodal de atención cruzada entre audio y texto, alcanzando el estado del arte en ADReSSo con un accuracy del 85,92%. Estos avances se complementan con la creación de un corpus clínico propio de 223 grabaciones en español, recogidas en siete tareas y anonimizadas mediante morfización acústica para proteger la identidad de los participantes.