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

Investigación / La voz como señal clínica / [1]

Seis minutos de marcha hacen de la voz una mejor señal diagnóstica

Improving respiratory disease detection through SSL-enhanced acoustic analysis and exercise-rest measurements. Frontiers in Medicine, 2026.

En una frase

Grabar la tos y la voz de un paciente tras un ejercicio ligero, y describirlas con modelos de habla autosupervisados, separa a los pacientes post-COVID de las personas sanas con un F1 del 87,7 %.

154participantes
2momentos de grabación
3modelos autosupervisados
87,7 %mejor F1

El problema

La voz es barata de grabar y contiene información sobre los pulmones y el tracto vocal. Sin embargo, los cambios que causan las afecciones respiratorias son sutiles, y las grabaciones en reposo a menudo no los captan.

Qué hicimos

Grabamos a 154 participantes produciendo una /a/ sostenida y toses voluntarias, una vez en reposo y otra tras un protocolo de estrés fisiológico: una prueba de marcha de seis minutos y una prueba de sentarse y levantarse de un minuto. Las secuelas post-agudas de la infección por SARS-CoV-2 (PASC, o COVID persistente) sirvieron como caso de estudio.

Cada grabación se describió de dos formas: con biomarcadores acústicos clásicos y con embeddings de tres modelos de habla autosupervisados, wav2vec 2.0, WavLM y HuBERT. Una regresión logística clasificó a cada participante como PASC o sano, y un paso de fusión tardía combinó las decisiones de la vocal y de la tos.

Audio en reposo / tras el ejercicio→ Rasgos acústicos + autosupervisados→ Regresión logística→ Fusión tardía

Qué encontramos

El esfuerzo físico mejoró la clasificación y redujo la variabilidad en todas las tareas. Fusionar los rasgos acústicos con los embeddings de WavLM y wav2vec 2.0 alcanzó un F1 del 82,2 % con las vocales y del 80,8 % con las toses tras el ejercicio, y combinar ambas tareas llegó al 87,7 %.

Mi contribución

Aporté el pipeline de rasgos acústicos y autosupervisados y el diseño experimental, a partir del estudio de 2023.

Por qué importa

Una prueba de marcha estándar y un micrófono podrían convertirse en un paso de cribado rápido y no invasivo dentro de las evaluaciones funcionales rutinarias de afecciones crónicas y posvirales. La misma receta, someter al sistema a estrés antes de medirlo, sirve más allá de la COVID.

0255075100 Vocal /a/ 82,2 Tos 80,8 Fusión entre tareas 87,7
Figura 1. F1 (%) en la clasificación PASC frente a sanos, grabaciones tras el ejercicio, validación cruzada estratificada de 5 particiones. Barras tramadas: tareas individuales. Barra sólida: fusión entre tareas, el mejor resultado.

Citar

Vera-López Á., Tilves-Santiago D., Ramírez-Sánchez J.M., Docío-Fernández L., García-Mateo C., Bustillo-Casado M., García-Caballero A.A. Improving respiratory disease detection through SSL-enhanced acoustic analysis and exercise-rest measurements. Frontiers in Medicine, 2026.

@article{veralopez2026respiratory,
  title   = {Improving respiratory disease detection through SSL-enhanced
             acoustic analysis and exercise-rest measurements},
  author  = {Vera-L{\'o}pez, {\'A}lvaro and Tilves-Santiago, Dar{\'i}o and
             Ram{\'i}rez-S{\'a}nchez, Jos{\'e} Manuel and Doc{\'i}o-Fern{\'a}ndez, Laura and
             Garc{\'i}a-Mateo, Carmen and Bustillo-Casado, Mar{\'i}a and
             Garc{\'i}a-Caballero, Alejandro Alberto},
  journal = {Frontiers in Medicine},
  year    = {2026},
  doi     = {10.3389/fmed.2026.1864436}
}

PDF distribuido con licencia CC BY 4.0; copia de la versión publicada.