Biomarcadores Vocales para la Detección de Depresión

Resumen

La depresión produce alteraciones medibles en la produccion vocal a través de mecanismos fisiopatologicos bien caracterizados: la retardacion psicomotora reduce la velocidad del habla y la articulacion, la disminucion del soporte respiratorio reduce la intensidad vocal, y el deterioro del control neuromuscular de los pliegues vocales aumenta el jitter y shimmer. Estos cambios conforman una "huella vocal" de la depresión que puede ser detectada con alta precision mediante algoritmos de aprendizaje automático.

El meta-análisis mas extenso hasta la fecha (Maran et al., 2025; 105 estudios) reporto una precision agrupada del 81%, sensibilidad del 84% y especificidad del 83%. Features individuales alcanzan correlaciones significativas con la severidad depresiva: la variabilidad de pitch muestra r = -0.54 con el BDI-II, el jitter r > 0.51, y el shimmer r > 0.40. El set estandarizado eGeMAPS de 88 parametros acústicos se ha consolidado como el estandar de facto para el análisis clínico del habla.

De particular relevancia para SentirIA es el primer estudio publicado de detección de depresión mediante mensajes de voz de WhatsApp (Otani et al., 2026), que alcanzo 91.67% de precision en mujeres y 80% en hombres usando audio comprimido en formato Opus. Esto demuestra la viabilidad de la plataforma WhatsApp para este tipo de análisis. Ademas, el estudio de Kintsugi en 14,898 adultos mostro una sensibilidad del 80.3% en población hispana/latina, la mas alta entre todos los grupos etnicos evaluados.

La tecnología de detección vocal es agnositca al idioma en sus caracteristicas prosodicas fundamentales, analizando como habla una persona en lugar de que dice. Esto la hace directamente aplicable a poblaciones hispanohablantes. Sin embargo, los modelos personalizados por paciente, que requieren tan solo 10 grabaciones longitudinales, pueden rastrear desviaciones individuales con precision clinicamente significativa, representando el futuro del monitoreo continuo.