🎙️ Muchas personas con trastorno bipolar reciben primero un diagnóstico de depresión. Un equipo de la Universidad de Keio, el Instituto de Ciencia de Tokio y la Universidad de Shizuoka grabó entrevistas con pacientes, entrenó una IA con esas voces y comprobó que la pista más fuerte no estaba en lo que decían, sino en cómo sonaban. Con un matiz importante: el estudio solo distinguió a los pacientes de personas sanas.

Años de rodeos hasta el diagnóstico correcto

El trastorno bipolar alterna episodios de manía, con el ánimo y la energía disparados, y episodios de depresión. La Organización Mundial de la Salud calcula que en 2023 lo padecían 36 millones de personas, alrededor del 0,4 % de la población mundial. De media, quienes lo tienen mueren 13 años antes que el resto.

El problema empieza muchas veces en la primera consulta. La mayoría acude al médico cuando está decaída, y en ese momento la manía todavía no se ha mostrado con claridad. Según un estudio previo que cita la Universidad de Keio, el 76,8 % recibió primero un diagnóstico de depresión y llegar al correcto llevó unos seis años de media. Otro trabajo, citado en septiembre de 2026 por la Universidad de Medicina de Hamamatsu, habla de 8,7 años de media. Los antidepresivos, el tratamiento habitual de la depresión, funcionan peor en la depresión bipolar y pueden desencadenar manía.

Pesa más cómo suenas que lo que dices

Entre 2017 y 2024, el equipo grabó entrevistas de 30 a 60 minutos en el Hospital Universitario de Keio y en centros colaboradores de todo Japón (siete hospitales y tres clínicas). Además de conversar libremente, los participantes describieron tres imágenes y contaron el cuento de Cenicienta o el de Kaguya-hime, una leyenda japonesa sobre una princesa llegada de la Luna. El análisis incluyó a 61 personas con trastorno bipolar y 99 voluntarios sanos. El artículo se publicó el 1 de noviembre de 2026 (hora del este de EE. UU.) en la revista Journal of Medical Internet Research.

La IA trabajó con dos tipos de pistas. Por un lado, el sonido: 3.473 rasgos sobre el tono, el timbre y la calidad de la voz, descartando de antemano los que dependen del volumen. Por otro, el contenido: 211 rasgos sobre palabras emocionales, elección de vocabulario y construcción de las frases.

Al separar a pacientes y voluntarios sanos, el modelo obtuvo un AUC de 0,916. El AUC es una medida en la que 1 significa una separación perfecta y 0,5 equivale a tirar una moneda. Solo con el sonido se llegó a 0,910; solo con el contenido, a 0,651. Entre el 96 % y el 98 % de los rasgos que pesaron en la decisión eran acústicos.

Cuando se comparó con el grupo sano cada estado de ánimo por separado (depresión, manía o estados mixtos, y eutimia, el periodo estable entre episodios), el AUC fue de entre 0,805 y 0,874. Distinguir los estados entre los propios pacientes resultó mucho más difícil: solo la comparación entre depresión y eutimia dio una diferencia estadísticamente significativa, con un AUC de 0,760.

Falta la comparación que más importa

El punto de partida del proyecto era la confusión con la depresión. Sin embargo, el estudio solo comparó a los pacientes con personas sanas y excluyó a quienes además tenían depresión mayor, esquizofrenia y algunos otros trastornos. El propio artículo señala como limitación que no hubo comparación con otros trastornos psiquiátricos.

Las cifras salen de una validación dentro de los mismos datos; todavía no se han comprobado con pacientes de otros hospitales. El número de rasgos candidatos es grande para tan pocas personas, lo que abre la puerta al sobreajuste, es decir, a que el modelo aprenda las rarezas de sus propios datos. Todos los pacientes tomaban medicación, y los autores reconocen que no pudieron separar el resultado de la eutimia del efecto de los antipsicóticos. Además, todos los participantes hablaban japonés.

En septiembre de 2026, un equipo encabezado por la Universidad de Medicina de Hamamatsu analizó expresiones faciales, voz y mirada en videos de entrevistas a distancia, junto con datos clínicos como el sueño. Según el comunicado de la universidad, entre los participantes que atravesaban un episodio depresivo distinguió la depresión bipolar de la depresión con una exactitud del 79 % y un AUC de 0,75 (el resumen del artículo da un 78 % y 0,76 en conjunto). Esas cifras también proceden de una validación con sus propios datos. Los diseños son demasiado distintos para compararlos sin más, pero apunta a una pregunta más difícil que separar pacientes de personas sanas.

El equipo de Keio afirma que sus próximos pasos serán comparar con la depresión y otros trastornos, replicar el trabajo en otros idiomas y validarlo con datos externos. El comunicado de la universidad subraya que estos indicadores no sustituyen a la entrevista clínica y que deben usarse solo como apoyo. Según el artículo, Taishiro Kishimoto, profesor de la Universidad de Keio, fundó la empresa i2medical y ha recibido honorarios de varias compañías.

«¿Y si lo usan en las entrevistas de trabajo?»

Al día siguiente del anuncio, en las redes japonesas la esperanza convivió con la inquietud. En Togetter, un sitio que recopila publicaciones de redes sociales, se reunieron mensajes que temían que las empresas usaran la técnica en la selección de personal para descartar a personas con trastorno bipolar. En Hatena Bookmark, un servicio japonés de marcadores sociales, un usuario la consideró prometedora como apoyo al diagnóstico, pero advirtió que podría servir para analizar sin consentimiento la voz de candidatos a un empleo o de quienes hacen transmisiones en directo.

Las universidades ya habían incluido su propia advertencia. Junto con el artículo publicaron audios de muestra que recrean los rasgos de voz identificados, pero las voces de origen no eran de pacientes, sino de voluntarios sanos ajenos al estudio y de otras grabaciones que no procedían de pacientes. El comunicado insiste en que los rasgos describen tendencias de grupo y en que tener una voz así no significa en absoluto que alguien tenga trastorno bipolar.

Medir la mente por la voz, en todo el mundo

En Dinamarca, un equipo de investigación de Copenhague recogió rasgos de voz de llamadas cotidianas con el teléfono móvil y, en un estudio de 2021, comparó a 121 personas con trastorno bipolar con 38 controles sanos. El AUC fue de 0,76.

En Estados Unidos, Kintsugi, que desarrolló una IA para detectar señales de depresión y ansiedad en el habla, anunció en febrero de 2026 el cierre de sus operaciones comerciales. Buscaba la autorización de la FDA, la agencia estadounidense del medicamento, por la vía De Novo para nuevos tipos de dispositivos médicos, pero según The Verge se quedó sin fondos a la espera de la fase final de su solicitud. Sus modelos quedaron a disposición del público. En Japón, un reportaje de 2022 presentaba MIMOSYS, una aplicación de la empresa PST que convierte una breve muestra de voz en una lectura del ánimo que llama «genki-atsu», algo así como «presión de vitalidad». En el terreno regulatorio, el Gobierno japonés ha pedido a la ciudadanía que señale las normas que frenan la IA, también en sanidad.

El sonido de la voz se elige con menos libertad que lo que se dice. Dentro de la consulta, eso puede dar a los médicos una pista útil. Fuera de ella, la misma herramienta podría servir para filtrar a quienes buscan empleo. ¿Dónde pondrían el límite en tu país?

Referencias