La prueba de voz de Kintsugi para la depresión se quedó sin pista de despegue esperando la autorización de la FDA

API de biomarcadores de voz para sistemas de salud y telesalud: puntúa el riesgo de depresión y ansiedad según las escalas PHQ-9/GAD-7 a partir de una breve muestra de habla, sin analizar el contenido y con independencia del idioma.

Que los biomarcadores vocales —variación del tono, ritmo, pausas— pueden señalar la depresión con tanta fiabilidad como un cuestionario PHQ-9, y que los reguladores lo autorizarían como dispositivo médico

$8M de ronda semilla en 2021 y una Serie A de $20M a principios de 2022, unos $30M en total.

Grace Chang, criada en Taiwán, y Rima Seiilova-Olson, criada en Kazajistán, se conocieron en un hackatón en 2019. Ambas ingenieras habían pasado por la depresión y ambas se habían topado con el mismo muro al buscar atención. Plantearon el problema como triaje: con aproximadamente 280 millones de personas con depresión en el mundo y muy pocos clínicos, los proveedores no tenían una forma rápida de ver quién lo estaba pasando mal.

La pareja recaudó $8M en 2021 y una Serie A de $20M a principios de 2022. El modelo, entrenado con decenas de miles de voces con consentimiento, puntúa las escalas PHQ-9 (0–27) y GAD-7 (0–21) solo a partir de patrones del habla; ignora deliberadamente lo que se dice, lo que lo hacía independiente del idioma. Kintsugi realizó un estudio clínico con la Universidad de Ciencias Médicas de Arkansas, firmó contratos con grandes empresas sanitarias de EE. UU. y tramitó la clasificación De Novo de la FDA mientras comercializaba el producto como apoyo a la decisión clínica bajo la Ley de Curas del Siglo XXI.

La autorización de la FDA nunca llegó. En febrero de 2026 Kintsugi cerró y, en lugar de vender los modelos a compradores, publicó su tecnología e investigación como código abierto (Behavioral Health Business, 2026-02-11). Los comentaristas señalaron que los modelos de voz podrían tener una segunda vida en la detección de audio deepfake.

Vender como «apoyo a la decisión clínica» bajo la Ley de Curas del Siglo XXI era una zona gris que se fue estrechando: los sistemas de salud y los pagadores, en última instancia, quieren un dispositivo regulado, no una heurística de cribado.

La validación de la FDA para IA de voz exige conjuntos de datos controlados y demográficamente amplios: un gasto que se acumula cada trimestre mientras la autorización, y los ingresos que dependen de ella, esperan.

Los biomarcadores de voz varían con el acento, la edad, las comorbilidades e incluso la calidad del micrófono, así que el riesgo de falsos positivos era exactamente el modo de fallo que los reguladores están menos dispuestos a tolerar.

Siete años es más de lo que dura la pista de despegue de una empresa de capital riesgo: la apuesta necesitaba que la FDA se moviera al ritmo de una startup, y la revisión De Novo no lo hace.

En la IA sanitaria regulada, el modelo es la parte fácil; la validación clínica multidemográfica es el centro de costes. Incluye al regulador en el cálculo de la pista de despegue, o lanza el producto donde el software pueda seguir siendo software.

A abril de 2026, la tecnología y la investigación son públicas: Behavioral Health Business informó de la publicación en código abierto el 2026-02-11, de modo que laboratorios y rivales pueden construir sobre el trabajo del conjunto de datos en lugar de empezar de cero. Startup Fortune señaló que los modelos de voz podrían reutilizarse para detectar audio falsificado, ya que los patrones que delatan el estado de ánimo también delatan el habla sintética. El argumento de la fundadora —que la IA sanitaria tiene dificultades para alcanzar ingresos regulados antes de que se agote el dinero de capital riesgo— se convirtió en el verdadero eco de la historia en la prensa especializada.