La detección temprana del deterioro cognitivo es fundamental para implementar estrategias de intervención que mejoren la calidad de vida del paciente y reduzcan el impacto en los sistemas de salud. En los últimos años, las tecnologías basadas en inteligencia artificial han permitido desarrollar herramientas diagnósticas automatizadas a partir de biomarcadores digitales no invasivos. Este trabajo propone un sistema inteligente de diagnóstico que integra señales electroencefalográficas (EEG) y de voz mediante una estrategia de fusión intermodal basada en aprendizaje profundo. La arquitectura desarrollada consta de clasificadores convolucionales entrenados de forma independiente para cada modalidad, cuyos resultados probabilísticos son integrados posteriormente mediante un meta-modelo neuronal. Para el entrenamiento y validación del sistema, se emplearon bases de datos públicas...