La capacidad de comprender el habla en entornos acústicamente complejos representa uno de los desafíos más exigentes para el sistema auditivo humano. Durante décadas, la práctica clínica de la audiología se ha cimentado sobre la audiometría tonal pura como el «estándar de oro» para el diagnóstico. Sin embargo, esta prueba, realizada en el aislamiento de una cabina insonorizada y utilizando tonos puros, no logra capturar la realidad funcional de los pacientes.
Es cada vez más común encontrar personas que, tras obtener un resultado de «audición normal» en las pruebas convencionales, informan de una frustrante incapacidad para seguir una conversación en un restaurante, una oficina, o una reunión familiar (Migliorelli et al., 2026). Esta desconexión entre la clínica y la vida real ha impulsado una transformación profunda en el campo, desplazando el enfoque hacia las pruebas de habla en ruido (Speech In Noise) y el estudio de los mecanismos neurobiológicos y cognitivos que permiten al ser humano extraer significado del caos sonoro.
Uno de los avances más reveladores en la investigación reciente a este respecto es la comprensión de que la dificultad para oír en entornos ruidosos no nace exclusivamente en el oído, sino a menudo en la sofisticada maquinaria química del cerebro. La percepción del habla en ruido depende críticamente del equilibrio entre la excitación y la inhibición neuronal. Investigaciones de vanguardia han identificado al ácido gamma-aminobutírico (GABA), el principal neurotransmisor inhibidor del sistema nervioso, como una pieza clave en este rompecabezas.
Es cada vez más común encontrar personas que, tras obtener un resultado de «audición normal» en las pruebas convencionales, informan de una frustrante incapacidad para seguir una conversación en un restaurante, una oficina, o una reunión familiar.
Con el envejecimiento, los niveles de GABA en la corteza auditiva tienden a disminuir de manera significativa. Esta pérdida de inhibición provoca que las neuronas se vuelvan «hiperactivas» pero imprecisas, incapaces de filtrar las distracciones y separar las características finas del habla del murmullo de fondo. Se ha demostrado que los adultos mayores con niveles más bajos de GABA en la corteza auditiva derecha presentan un rendimiento notablemente inferior en pruebas de habla en ruido, independientemente de su umbral auditivo tonal (Paul, 2024). Este descubrimiento sugiere que el cerebro envejecido se vuelve, literalmente, demasiado «ruidoso» para procesar la información con claridad, lo que explica por qué la simple amplificación del sonido mediante audífonos a menudo resulta insuficiente para resolver el problema de la inteligibilidad.
Además de la neuroquímica, la sincronía neuronal juega un papel determinante. Estudios que utilizan magnetoencefalografía (MEG) han observado que, en condiciones de ruido, el cerebro de los adultos mayores muestra una respuesta de estado estable auditiva (ASSR) a 40 Hz mucho más intensa y sincronizada que la de los jóvenes. Aunque a priori una mayor respuesta podría parecer positiva, en este contexto refleja una pérdida de selectividad; el cerebro intenta «agarrarse» a cualquier estímulo con tanta fuerza que acaba procesando el ruido con la misma intensidad que el habla, emborronando la señal que realmente importa (Paul, 2024).
Uno de los avances más reveladores en la investigación reciente a este respecto es la comprensión de que la dificultad para oír en entornos ruidosos no nace exclusivamente en el oído, sino a menudo en la sofisticada maquinaria química del cerebro.
Pero hay otro elemento relevante en la inteligibilidad en ruido: la cognición. Si el cerebro es el motor del procesamiento auditivo, la cognición es el combustible que permite mantener la marcha cuando la señal acústica se degrada. La investigación actual subraya que el rendimiento en la escucha difícil está íntimamente ligado a funciones ejecutivas como la memoria de trabajo y la atención selectiva. En adultos de mediana edad, la salud cognitiva global ha emergido como el predictor más sólido de la capacidad de entender frases en ruido, superando incluso a la edad cronológica o la exposición previa al ruido (Nayak et al., 2026).
Un estudio detallado realizado con 76 adultos de entre 41 y 60 años reveló hallazgos fundamentales sobre esta relación. Utilizando la Evaluación Cognitiva de Montreal (MoCA), los investigadores observaron que, en condiciones donde el habla y el ruido provienen de la misma ubicación (localizados ambos a 0° de azimut), la cognición era la única variable significativa que predecía el éxito en la percepción del habla (Nayak et al., 2026). Este modelo de regresión jerárquica mostró que el MoCA explicaba por sí solo el 14.8% de la varianza en el rendimiento, eclipsando factores como la educación, la actividad física o la salud mental. Estos datos sugieren que, a medida que las personas atraviesan su quinta y sexta década de vida, el sistema auditivo comienza a apoyarse de manera masiva en los recursos cognitivos para compensar declives periféricos que aún no son detectables en una audiometría estándar.
Estudios que utilizan magnetoencefalografía (MEG) han observado que, en condiciones de ruido, el cerebro de los adultos mayores muestra una respuesta de estado estable auditiva (ASSR) a 40 Hz mucho más intensa y sincronizada que la de los jóvenes.
Además, el estudio identificó una clara división entre los subgrupos de mediana edad. Los individuos en el rango de 51-60 años mostraron no solo puntuaciones de MoCA significativamente más bajas que el grupo de 41-50 años, sino también una reducción marcada en lo que se denomina «ventaja espacial» (la mejora en la comprensión cuando el ruido y el habla se separan físicamente). Esta desconexión sugiere que la capacidad de utilizar pistas espaciales para «limpiar» el ruido no disminuye de forma lineal año tras año, sino que parece sufrir un efecto de umbral o «punto de inflexión» al entrar en la sexta década. La educación también juega un papel indirecto: aunque se correlaciona positivamente con el MoCA, reforzando la reserva cognitiva, el factor cognitivo directo sigue siendo el determinante final del éxito en la escucha (Nayak et al., 2026).
Como ya se ha evidenciado en otras ocasiones, la percepción del habla no es un evento puramente auditivo, sino un proceso multimodal donde la vista y el oído colaboran de forma inconsciente. La ciencia ha validado la experiencia cotidiana de leer los labios a través del principio de efectividad inversa: el beneficio de las pistas visuales aumenta proporcionalmente a medida que la señal auditiva se vuelve más débil o ruidosa (Hussain et al., 2026).
La percepción del habla no es un evento puramente auditivo, sino un proceso multimodal donde la vista y el oído colaboran de forma inconsciente.
La integración audiovisual puede proporcionar una ganancia equivalente a una mejora de hasta 15 dB en la relación señal-ruido. Este beneficio es tan potente que las nuevas metodologías de evaluación están incorporando humanos virtuales y avatares parlantes con movimientos sincronizados de labios, mandíbula y lengua para medir con precisión cómo cada individuo utiliza la lectura de labios. El uso de estas tecnologías, como el sistema MASSY (Modular Audiovisual Speech Syntetizer), permite controlar variables imposibles de estandarizar con hablantes reales, como el contraste labial o el tamaño de la cabeza. Entender quién es un «buen integrador audiovisual» y quién no, abre la puerta a estrategias de rehabilitación personalizadas que van más allá de la prótesis acústica tradicional.
Por otra parte, la necesidad de democratizar y generalizar el acceso a la salud auditiva ha impulsado una revolución tecnológica en las herramientas de cribado. Las pruebas de Dígitos en Ruido (DIN), administradas a través de smartphones, se han convertido en la punta de lanza de esta transformación debido a su simplicidad y alta fiabilidad (Migliorelli et al., 2026). Al utilizar tríos de números en lugar de frases complejas, estas pruebas minimizan la influencia del nivel educativo y el vocabulario, permitiendo una evaluación rápida en entornos no clínicos.
La integración audiovisual puede proporcionar una ganancia equivalente a una mejora de hasta 15 dB en la relación señal-ruido.
La innovación tecnológica ha permitido el desarrollo de variantes como el DIN «antifásico», que aprovecha la ventaja binaural del cerebro al presentar el habla y el ruido en diferentes fases. Esta modalidad ha demostrado ser extremadamente sensible para detectar no solo pérdidas auditivas generales, sino también configuraciones específicas como la pérdida auditiva unilateral o conductiva.
Además, el uso de la Inteligencia Artificial y el aprendizaje automático (machine learning) está permitiendo analizar no solo si el paciente acierta, sino también su tiempo de reacción y patrones demográficos para clasificar la pérdida auditiva con precisiones superiores al 85%. Marcos tecnológicos como ALADDIN (Automatic Language-independent Development of the Digits-in-Noise test) ya permiten generar automáticamente materiales de prueba en múltiples idiomas utilizando tecnologías de texto a voz (TTS) y reconocimiento de voz automático (ASR), eliminando las barreras lingüísticas que históricamente han limitado la investigación global.
Estos avances en la comprensión de la escucha en ruido tienen implicaciones críticas para grupos con necesidades especiales. En la población pediátrica, los niños con implantes cocleares se enfrentan a un enorme desafío: las aulas escolares a menudo presentan niveles de ruido que superan los 65 dbA, muy por encima de lo recomendado para el aprendizaje incidental. La implementación de algoritmos de gestión de ruido basados en clasificadores, que analizan el entorno en tiempo real para ajustar la direccionalidad de los micrófonos, ha demostrado mejoras asombrosas de hasta 47.1 puntos porcentuales en la percepción de frases en ruido para estos niños (Findlen et al., 2025). Estos sistemas inteligentes actúan como un filtro dinámico que libera al niño de la fatiga mental que supone luchar contra el ruido de fondo.
El uso de la Inteligencia Artificial y el aprendizaje automático (machine learning) está permitiendo analizar no solo si el paciente acierta, sino también su tiempo de reacción y patrones demográficos para clasificar la pérdida auditiva con precisiones superiores al 85%.
Por otro lado, la investigación ha derribado mitos importantes sobre la pérdida auditiva conductiva y la inteligibilidad. Tradicionalmente, la pérdida auditiva conductiva o de transmisión se consideraba un simple problema de «atenuación» o volumen que se resolvía subiendo la intensidad del sonido. Sin embargo, estudios recientes revelan que los déficits de inteligibilidad en ruido en pacientes con hipoacusia conductiva son profundos y no se explican solo por la audibilidad (Seyrek et al., 2026). El factor clave aquí es la física de la transmisión sonora: la hipoacusia conductiva introduce un retraso de fase en las señales acústicas que llegan al oído interno, lo que altera la precisión de los mecanismos de fijación de fase (phase-locking) en las fibras del nervio coclear (Seyrek et al., 2026).
Esta distorsión afecta específicamente a la capacidad del cerebro para procesar la estructura fina temporal (TFS) de los sonidos. Sin una TFS íntegra, el sistema auditivo no puede separar eficazmente la voz del interlocutor del ruido de fondo, incluso si el sonido es amplificado quirúrgica o electrónicamente. Seyrek et al. (2026) descubrieron que las brechas aire-hueso en las frecuencias bajas (500 y 1.000 Hz) tienen un impacto mucho más devastador en el umbral de recepción del habla (SRT) en ruido que las brechas en frecuencias altas. Esto se debe a que las bajas frecuencias son las principales portadoras de la información de fase y la envolvente temporal necesarias para la segregación de fuentes sonoras. Además, la privación prolongada de entrada sonora de baja frecuencia puede inducir una reorganización anómala en las vías auditivas centrales, un fenómeno de plasticidad por deprivación que reduce la sincronía neuronal y eleva los umbrales de procesamiento en los centros superiores del cerebro. Estos hallazgos subrayan que tratar una otitis crónica o una otosclerosis no es solo cuestión de recuperar decibelios, sino de restaurar la integridad temporal de la señal para que el cerebro pueda «limpiar» el caos acústico.
Finalmente, la vanguardia de la audiología se centra en la intervención. Si el cerebro posee plasticidad, ¿podemos entrenarlo para oír mejor en el ruido?. Cada vez más, la respuesta parece ser un rotundo sí. Se están validando programas de desensibilización al ruido que utilizan listas graduadas de estímulos mezcladas con ruidos de la vida diaria, como el murmullo de una cafetería o el sonido de un ventilador.
En la población pediátrica, los niños con implantes cocleares se enfrentan a un enorme desafío: las aulas escolares a menudo presentan niveles de ruido que superan los 65 dbA, muy por encima de lo recomendado para el aprendizaje incidental.
Susmitha y Selvi (2026) desarrollaron un programa en lengua tamil que utiliza 50 actividades diseñadas para aumentar progresivamente la complejidad acústica, moviéndose desde relaciones señal-ruido favorables (+15 dB) hasta condiciones extremadamente difíciles (-5 dB). El estudio reveló que la dificultad no solo depende del volumen del ruido, sino de su naturaleza: el ruido de cafetería y el murmullo de una sola persona (single-speech babble) resultaron ser mucho más difíciles de filtrar que el ruido blanco o el de un ventilador, debido a su fluctuación de amplitud y su interferencia lingüística. Este tipo de entrenamiento busca «recalibrar» el sistema auditivo, enseñando al cerebro a ignorar la información irrelevante y a enfocarse en la señal diana. Los programas, realizados preferiblemente en la lengua nativa del paciente, no solo mejoran los umbrales de recepción del habla, sino que también aumentan la confianza subjetiva y reducen el esfuerzo de escucha percibido.
En conclusión, la ciencia actual de la escucha en ruido nos obliga a redefinir nuestra concepción de la salud auditiva. Ya no es suficiente saber cuánto oye un paciente en silencio; debemos entender cómo funciona su sistema auditivo en la complejidad del mundo real. Las lecciones de la última década son claras: el diagnóstico debe ser funcional y multimodal, la salud cognitiva es inseparable de la auditiva, y la tecnología digital junto con la IA son nuestras mejores aliadas para llevar estas soluciones a toda la población.
Ya no es suficiente saber cuánto oye un paciente en silencio; debemos entender cómo funciona su sistema auditivo en la complejidad del mundo real.
Entender el habla en ruido es, en última instancia, el examen final de nuestra capacidad comunicativa. Los avances en neuroquímica, inteligencia artificial y procesamiento de señales aseguran que, en un futuro cercano, la integración de estos hallazgos permitirá una audiología más personalizada, capaz de tratar no solo el oído, sino al sistema de comunicación humano en toda su complejidad.
Bibliografía:
Banks, R., Greene, B. R., Morrow, I., Ciesla, M., Woolever, D., Tobyne, S., Gomes-Osman, J., Jannati, A., Showalter, J., & Bates, D. (2024). Digital speech hearing screening using a quick novel mobile hearing impairment assessment: An observational correlation study. Scientific Reports, 14(21157). https://doi.org/10.1038/s41598-024-78157-w
Findlen, U. M., Jayne, A., Benedict, J., Dwyer, R. T., & Agrawal, S. (2025). Improvements in Pediatric Speech Perception in Noise Using Classifier-Based Noise Management. American Journal of Audiology. https://doi.org/10.1044/2025_AJA-25-00015
Hussain, A., Goman, A. M., Gogate, M., Dashtipour, K., Kirton-Wingate, J., Hussain, Z., Sheikh, A., Akeroyd, M. A., & Hussain, A. (2026). Audio-visual speech-in-noise tests for evaluating speech reception thresholds: A scoping review.PLoS ONE, 21(1), e0338600. https://doi.org/10.1371/journal.pone.0338600
Migliorelli, A., Manuelli, M., Visentin, C., Bianchini, C., Stomeo, F., Pelucchi, S., Prodi, N., & Ciorba, A. (2026). Emerging speech-in-noise tools for the assessment of hearing loss: A scoping review. Audiology Research, 16, 2.
Nayak, P., Pillai, S., & Palaniswamy, H. P. (2026). Influence of age on speech-in-noise and spatial processing abilities in middle-aged adults. PLoS ONE, 21(1), e0341169. https://doi.org/10.1371/journal.pone.0341169
Paul, B. T. (2024). To the Brain and Back: A Potential Role for GABA in Speech-In-Noise Perception and Aging. Canadian Audiologist, 11(3).
Seyrek, M., Kabiş, B., Özbilen, S., & Gündüz, B. (2026). Evaluating Speech-in-Noise Deficits in Conductive Hearing Loss: The Underestimated Role of Low-Frequency Air-Bone Gaps. ORL. https://doi.org/10.1159/000550374
Susmitha, C., & Selvi, T. M. (2026). Development of a Noise Desensitization Program to improve speech perception in noise for adults.Research Square. https://doi.org/10.21203/rs.3.rs-8268562/v1
Yamamoto, Y., Sasame, Y., & Obuchi, C. (2026). Listening performance in background noise and subjective hearing: A comparison among young adults, older adults, and adults with listening difficulties. Journal of Otology, 21, 1–6. https://doi.org/10.26599/JOTO.2026.9540045
CV Autor
Audióloga / Audioprotesista
Licenciada en Pedagogía y Máster de Logopedia.
Técnico Superior en Audiología Protésica.
Especializada en Audiología Infantil y Evaluación de los trastornos del PAC en RV Alfa Centros Auditivos.
Docente en el Máster de Audiología de la Universidad Europea Miguel de Cervantes.
