La terapia cognitivo-conductual (TCC) es un pilar en el tratamiento de trastornos psicológicos, donde la comunicación oral juega un papel esencial. Los terapeutas no solo analizan el contenido verbal, sino también las pistas paralingüísticas como el tono, la entonación o las pausas, que revelan el estado emocional del paciente. Sin embargo, la inteligencia artificial aplicada a este ámbito ha estado limitada al procesamiento de texto debido a la escasez de datos de audio compartibles por razones éticas y de privacidad. Esto genera un punto ciego: los modelos basados únicamente en transcripciones no pueden capturar la discrepancia entre lo que se dice y cómo se dice, justo donde los clínicos encuentran señales de angustia.
Para abordar esta carencia, un equipo de investigación ha presentado CBT-Audio, un dataset que permite evaluar la estimación de angustia del paciente a partir de sesiones de TCC grabadas. Este recurso incluye más de 1.800 turnos de pacientes extraídos de 96 grabaciones públicas, con etiquetas validadas por expertos. Al probar diez modelos de audio-lenguaje en diferentes condiciones (solo audio, solo transcripción, y ambos), los resultados demuestran que la información acústica aporta un valor significativo, especialmente cuando se combina con el texto. En ocho de las diez familias de modelos analizadas, la inclusión del audio mejoró la capacidad de detectar angustia, y en cuatro casos las mejoras fueron estadísticamente relevantes. Los estudios de caso más reveladores ocurren cuando el contenido verbal y la entrega vocal divergen, escenario donde el audio marca la diferencia.
Este avance abre la puerta a integrar soluciones de inteligencia artificial en entornos clínicos reales. En Q2BSTUDIO entendemos que la salud mental digital requiere herramientas robustas y éticas. Por eso desarrollamos aplicaciones a medida que procesan señales multimodales, combinando texto, voz y vídeo para ofrecer diagnósticos más precisos. Nuestra experiencia en ia para empresas nos permite construir modelos de lenguaje y audio que se adaptan a cada caso clínico, garantizando la ciberseguridad de los datos sensibles mediante protocolos de pentesting y encriptación. Además, escalamos estas cargas de trabajo usando servicios cloud aws y azure, y proporcionamos dashboards personalizados con power bi para que los equipos médicos visualicen la evolución de sus pacientes.
La capacidad de detectar estados emocionales a partir de la voz no solo beneficia a la TCC, sino que también impulsa el desarrollo de agentes IA capaces de interactuar de forma natural en ámbitos como la atención al cliente o la educación. En este sentido, nuestra empresa implementa servicios inteligencia de negocio que cruzan datos de audio con métricas de sesión, permitiendo a los terapeutas ajustar las intervenciones en tiempo real. La combinación de transcript y audio, como demuestra CBT-Audio, es el camino hacia una inteligencia artificial más humana y contextual, un objetivo que perseguimos con cada proyecto de software a medida que emprendemos.