Los «relojes» que estiman el envejecimiento biológico —imágenes cerebrales, metilación del ADN, biomarcadores plasmáticos— comparten una limitación estructural: su baja escalabilidad. Requieren equipamiento costoso, personal especializado y logística compleja, lo que los vuelve casi inaccesibles en buena parte del mundo. El estudio publicado este miércoles en Science Advances propone una alternativa radicalmente simple: el habla humana.
## La metodología: una brecha con firma clínica
El equipo internacional entrenó modelos de aprendizaje automático con grabaciones de 2.928 hispanohablantes (18 a 88 años, media de 65) de Argentina, Chile, Colombia, México y Perú, abarcando controles sanos, deterioro cognitivo leve, enfermedad de Alzheimer y demencia frontotemporal en sus variantes. De cada grabación extrajeron cientos de rasgos acústicos y lingüísticos —desde velocidad y pausas hasta vocabulario y organización semántica— para predecir la edad cronológica y calcular el «speech age gap» (SAG): edad predicha menos edad real.
Los hallazgos son robustos en varios niveles. Los SAG discriminaron los grupos clínicos con progresión clara: mínimos en sanos, crecientes en alzhéimer y demencia frontotemporal. La medida integrada superó a los rasgos individuales, y se asoció con rendimiento cognitivo global, función ejecutiva, capacidades funcionales y múltiples formas de memoria.
## La validación transversal
La fortaleza del diseño radica en la convergencia: los SAG correlacionaron con relojes biológicos basados en MRI, con envejecimiento por metilación de ADN y, en pacientes con Alzheimer, con niveles plasmáticos elevados de p-tau217, uno de los biomarcadores más relevantes de la patología. Y más allá de lo biológico, capturaron el «exposoma social»: brechas mayores se asociaron con desventaja socioeconómica acumulada a lo largo de la vida.
## Las limitaciones honestas
El estudio es transversal: no puede establecer si un perfil de habla «envejecido» predice deterioro futuro. Requerirá validación longitudinal, en otros idiomas y en contextos de habla naturalista antes de llegar a la clínica. Aun así, como señala el autor senior Agustín Ibáñez (Trinity College de Dublín), la implicación es notable: si se confirma, «el habla podría convertirse en una de las herramientas más escalables para monitorear el envejecimiento saludable y acelerado».
#Hashtags: #Biomarcadores #Neurociencia #Ciencia #SaludGlobal #Envejecimiento #IAEnSalud #InvestigaciónCientífica