A Doença de Parkinson (DP) provoca alterações de fala em mais de 90% dos pacientes, o que torna o sinal de voz um marcador não invasivo e de baixo custo para o acompanhamento da severidade da doença, hoje quantificada pela escala Unified Parkinson’s Disease Rating Scale (UPDRS). A literatura, contudo, concentra-se majoritariamente em classificação binária entre pacientes e controles, apoia-se em bases de dados estrangeiras e, com frequência, adota protocolos experimentais que superestimam o desempenho. Esta pesquisa tem por objeto o desenvolvimento e a validação dos modelos computacionais para a predição contínua (regressão) do escore UPDRS a partir da fala, organizados em três especialistas dedicados às dimensões fonatória, articulatória e prosódica e combinados por fusão tardia. Os modelos foram avaliados sobre a base de dados PC-GITA (espanhol colombiano, 50 pacientes) sob protocolo sem vazamento, com separação estrita por locutor, validação aninhada no comitê de decisão e comparação com uma linha de base ingênua. Os resultados mostram que as arquiteturas profundas de fusão tardia não superam o preditor da média (MAE = 14,58), regredindo à média sob o regime p ≫ n, ao passo que descritores acústicos interpretáveis (eGeMAPS) decompostos por dimensão da fala superam a linha de base de forma estável, com o sinal concentrado na prosódia da fala conectada (MAE = 12,56 ± 0,70; r = 0,485 ± 0,082). Em paralelo, encontra-se em construção, sob responsabilidade do ambulatório de Doença de Parkinson e Distúrbios do Movimento (DIMOV) do Hospital Universitário da UFPI, uma base de dados nativa em português brasileiro (PT-BR); a contribuição desta pesquisa nesse eixo é a especificação técnica do protocolo de aquisição e do fluxo de curadoria digital que a tornarão utilizável por modelos de aprendizado de máquina. A validação dos algoritmos sobre essa base, prevista para após a disponibilização de sua primeira versão, constitui desdobramento futuro deste trabalho.