Una nueva IA predice el riesgo de enfermedades mientras duermes

Un nuevo modelo de Inteligencia Artificial (IA) puede utilizar registros fisiológicos de una noche de sueño para predecir el riesgo de que una persona desarrolle más de 100 problemas de salud, incluyendo Parkinson, demencia, cáncer y afecciones cardíacas.

Un equipo de científicos de la Universidad de Stanford, en Estados Unidos, presentó SleepFM, un modelo de Inteligencia Artificial (IA) capaz de inferir el riesgo de más de 100 condiciones de salud a partir del análisis de una sola noche de sueño. Las grabaciones de una polisomnografía, que registra ondas cerebrales, ritmo cardíaco, respiración, movimiento de piernas y flujo de aire, contienen señales fisiológicas que, al estudiarse en combinación, anticipan eventos médicos que pueden ocurrir años después.

¿El futuro de la medicina preventiva pasa por el sueño?

SleepFM se entrenó con una enorme base de datos: alrededor de 585.000 horas de sueño procedentes de unos 65.000 participantes, segmentadas en breves fracciones que el modelo aprende a “leer” de forma análoga a como los grandes modelos de lenguaje procesan frases.

Al usar polisomnografía, la técnica clave en estudios de sueño, los investigadores aprovecharon señales simultáneas que rara vez se analizan todas juntas en estudios clínicos convencionales, según concluye una nota de prensa. Para medir su capacidad de pronóstico, SleepFM se vinculó con historias clínicas a largo plazo, algunas con hasta 25 años de seguimiento.

Predicción temprana de enfermedades graves

El modelo exploró más de mil categorías y encontró alrededor de 130 condiciones con capacidad predictiva razonable. En varias enfermedades el rendimiento fue notable: los índices de concordancia más elevados se registraron en Parkinson, demencia, enfermedad cardíaca hipertensiva, infarto y ciertos tipos de cáncer, como el de próstata y mama.

Las predicciones ordenan correctamente el riesgo relativo entre individuos en un porcentaje alto de casos, aunque SleepFM no “explica” sus predicciones en lenguaje humano y requiere técnicas de interpretación para identificar qué patrones son relevantes. Los especialistas detectaron, por ejemplo, que la ausencia de sincronía entre señales, como un corazón demasiado activo durante fases que muestran sueño cerebral profundo, pueden ser marcadores de riesgo.

Polisomnografía e inteligencia artificial

Los investigadores también apuntan al potencial de enriquecer el modelo con datos de wearables y a la necesidad de validar su utilidad en poblaciones más diversas. El nuevo estudio, publicado en la revista Nature Medicine, involucró a instituciones europeas y estadounidenses.

En definitiva, SleepFM convierte la noche en una oportunidad para el diagnóstico médico con mucho potencial: si futuros estudios confirman su valor, el análisis del sueño podría pasar a formar parte de estrategias preventivas que identifiquen y mitiguen enfermedades antes de que aparezcan los primeros síntomas.