Un nuevo enfoque científico promete mejorar la detección del tinnitus con inteligencia artificial
El tinnitus, ese molesto zumbido que parece no apagarse nunca, sigue siendo un desafío para la ciencia. Aunque millones de personas lo padecen, aún no existe una manera objetiva y universal para diagnosticarlo con precisión. Sin embargo, un grupo de investigadores de la Universidad del Sur de Florida y la Universidad de Texas en Dallas acaba de dar un paso importante que podría cambiar ese panorama. – ( Imagen de freepik.com )
El estudio, publicado el 10 de noviembre de 2025, propone un método innovador que combina neurociencia y aprendizaje automático (inteligencia artificial) para validar un modelo más fiable en la detección del tinnitus.
El desafío de medir lo invisible
El tinnitus no puede verse ni medirse directamente. Por eso, los científicos suelen recurrir a modelos animales para comprender cómo se origina y cómo podría tratarse. Uno de los métodos más utilizados en roedores es la inhibición prepulso del reflejo de sobresalto acústico (GPIAS).
Este método se basa en un principio simple: cuando un animal escucha un fuerte ruido inesperado, reacciona con un pequeño sobresalto. Pero si antes del ruido hay un breve intervalo de silencio, el sobresalto suele ser menor, porque el cerebro lo “anticipa”.
En teoría, si un ratón sufre tinnitus, ese “silencio” previo estaría “rellenado” por el pitido que escucha internamente, y por tanto no se reduciría el sobresalto. Así, la intensidad del reflejo serviría como un posible indicador del tinnitus.
El problema que confundía los resultados
Hasta ahora, este método tenía un gran inconveniente.
El investigador Eduardo Lobarinas, uno de los autores del nuevo estudio, ya había señalado en 2013 que tras un trauma acústico o una pérdida auditiva, muchos roedores mostraban reflejos de sobresalto muy reducidos en general.
Esto generaba un “efecto suelo”, es decir, respuestas tan débiles que hacían imposible distinguir si el animal tenía tinnitus o simplemente había perdido sensibilidad auditiva. En consecuencia, se producían falsos positivos en la detección.
Aprendizaje automático al rescate
Para resolver ese problema, el nuevo estudio utilizó ratones de la cepa CBA/CaJ, conocidos por su buena audición, y aplicó una técnica distinta: estimulación táctil con aire comprimido combinada con un algoritmo de inteligencia artificial capaz de clasificar automáticamente las respuestas de sobresalto.
El algoritmo, entrenado con cientos de muestras, logró una precisión del 98 % para diferenciar entre sobresaltos reales y ruidos de fondo.
Gracias a esta herramienta, los científicos pudieron filtrar las señales incorrectas y obtener resultados mucho más fiables.
Dos modelos para comparar
Los investigadores realizaron dos tipos de inducción:
- Hipoacusia conductiva unilateral, tapando temporalmente un oído de los ratones.
👉 Resultado: los animales mantenían una buena detección de intervalos, demostrando que la pérdida auditiva no siempre genera tinnitus. - Tinnitus inducido con salicilato de sodio, una sustancia conocida por causar pitidos temporales en los oídos.
👉 Resultado: se observaron alteraciones específicas en ciertas frecuencias, lo que coincidía con los patrones esperados de tinnitus.
Estos hallazgos son especialmente valiosos porque refutan los falsos positivos detectados en estudios anteriores con ratas. Las diferencias, según los autores, podrían deberse al nuevo enfoque de análisis basado en IA, que permite distinguir con más claridad cuándo el reflejo de sobresalto realmente cambia por el tinnitus y cuándo no.
Lo que este estudio significa para el futuro
Este trabajo representa un paso adelante hacia una detección más precisa del tinnitus, al eliminar gran parte del ruido estadístico que complicaba los resultados de pruebas anteriores.
Aunque los experimentos se realizaron en ratones, la combinación de neurofisiología y aprendizaje automático abre la puerta a nuevas formas de evaluar el tinnitus en humanos.
A futuro, esta línea de investigación podría permitir desarrollar test objetivos para diagnosticar tinnitus, sin depender únicamente del testimonio del paciente. Esto sería especialmente útil en casos médicos, estudios clínicos y ensayos de nuevos tratamientos.
Un dato importante sobre el estudio
El trabajo fue financiado por los Institutos Nacionales de la Salud (NIH) de Estados Unidos, y todos los procedimientos fueron aprobados por el comité ético de la Universidad del Sur de Florida, garantizando el bienestar de los animales.
Los autores —Alyssa B. Price, Dimitri Louis Brunelle, Collin Park, Andrea S. Lowe, Eduardo Lobarinas y Joseph Walton— destacan que no tienen conflictos de interés, lo que refuerza la credibilidad de los resultados.
En resumen
Este estudio demuestra que aplicar inteligencia artificial al análisis de respuestas auditivas puede ser la clave para validar modelos experimentales de tinnitus más precisos.
Aunque aún estamos lejos de una prueba clínica definitiva, los resultados abren una nueva ruta científica: medir el tinnitus de forma objetiva podría dejar de ser un sueño.
Fuente: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5707090
