Documentos de trabajo · habla, salud e IA fiableVigo, 2026

Investigación / La voz como señal clínica / [9]

¿Basta la voz para identificar a pacientes con COVID persistente?

Identifying patients with Long COVID: study of the effectiveness of voice signal analysis and machine learning. JMIR Preprints, 2023.

En una frase

Los rasgos espectrales de toses grabadas tras un esfuerzo físico permiten a un random forest separar a pacientes con COVID persistente de personas sanas con un AUC del 93 %.

1.erconjunto de datos de voz para PASC
4clasificadores comparados
93 %mejor AUC
86 %mejor F1

El problema

El COVID persistente (PASC) tiene un conjunto de síntomas amplio y cambiante, lo que dificulta distinguirlo de otras afecciones. La investigación sobre su diagnóstico se había centrado en los síntomas clínicos, con poca atención a la voz.

Qué hicimos

Recogimos un nuevo conjunto de datos de grabaciones de voz de personas diagnosticadas de PASC, el primero de su tipo. Los participantes grabaron toses y una /a/ sostenida, en reposo y tras un esfuerzo físico. El pipeline mejora el audio, extrae rasgos espectrales y de energía, entrena cuatro clasificadores y los combina con un sistema de votación.

Qué encontramos

Los rasgos espectrales fueron los más informativos. Las toses funcionaron mejor que las vocales, y las grabaciones hechas tras el esfuerzo físico mejoraron todos los clasificadores. El random forest obtuvo el mejor rendimiento, con un AUC del 93 % y un F1 del 86 %.

Mi contribución

Dirigí el estudio: diseñé el protocolo de grabación con el equipo clínico, construí el pipeline de extracción de rasgos y clasificación, y realicé los experimentos.

Por qué importa

Su hallazgo de que el esfuerzo físico hace más informativas las grabaciones de voz es el punto de partida del estudio de 2026 en Frontiers in Medicine.

0255075100 MLP 85,0 Random forest 86,0
Figura 1. Mejores clasificadores según el F1 (%). El random forest alcanzó además un AUC del 93 %, y el MLP, del 89 %.

Citar

Ramírez Sánchez J.M., Docío-Fernández L., García Mateo C., Bustillo-Casado M., García-Caballero A.A. Identifying patients with Long COVID: study of the effectiveness of voice signal analysis and machine learning. JMIR Preprints, 2023.