Un marco multimodal combina datos de voz, texto e imagen con desprendimiento por inversión de gradiente para reducir el sesgo demográfico en la detección del deterioro cognitivo leve. El método supera las líneas base multilingües y multimodales existentes en TAUKADIAL y PREPARE, con brechas de rendimiento reducidas entre subgrupos por sexo e idioma, y muestra una transferencia mejorada entre conjuntos de datos.