Una mala noche de sueño no solo se traduce en cansancio al día siguiente: también puede anticipar problemas de salud que aparecerán años después. Un nuevo modelo de inteligencia artificial desarrollado por investigadores de Stanford Medicine es capaz de analizar los registros fisiológicos de una sola noche de sueño y predecir el riesgo de desarrollar más de 100 enfermedades.
El modelo, denominado SleepFM, se entrenó con cerca de 600.000 horas de datos de polisomnografía correspondientes a 65.000 personas. La polisomnografía es el estándar de referencia en los estudios del sueño y registra, durante toda la noche, señales como la actividad cerebral y cardíaca, la respiración, los movimientos oculares y la actividad muscular. Aunque este tipo de estudios genera una enorme cantidad de información fisiológica, hasta ahora solo se aprovechaba una parte limitada de esos datos.
Según explica Emmanuel Mignot, profesor de Medicina del Sueño y coautor principal del estudio, el sueño ofrece una oportunidad única para observar durante horas el funcionamiento global del organismo en condiciones controladas, lo que lo convierte en una fuente de datos especialmente valiosa.
SleepFM es un denominado “modelo base”, similar en concepto a los grandes modelos de lenguaje, pero entrenado con datos fisiológicos. Para ello, los registros de sueño se dividieron en intervalos de cinco segundos, permitiendo al sistema aprender los patrones y relaciones entre distintas señales, como el electroencefalograma, el electrocardiograma o el flujo respiratorio. El objetivo, en palabras del coautor James Zou, fue “aprender el lenguaje del sueño”.
Tras el entrenamiento, el modelo demostró un rendimiento igual o superior al de los sistemas actuales en tareas clásicas del análisis del sueño, como la identificación de las fases del sueño o la evaluación de la gravedad de la apnea. El siguiente paso fue más ambicioso: comprobar si esos datos permitían anticipar enfermedades futuras.
Para ello, los investigadores compararon los registros de sueño con décadas de historiales médicos de pacientes atendidos en el Centro de Medicina del Sueño de Stanford, fundado en 1970. En una cohorte de unos 35.000 pacientes, con hasta 25 años de seguimiento, SleepFM analizó más de 1.000 categorías de enfermedades y logró predecir con una precisión relevante 130 de ellas.
El modelo mostró especial capacidad predictiva en cánceres, trastornos mentales, enfermedades circulatorias y complicaciones del embarazo. En patologías como la enfermedad de Parkinson, la demencia, el infarto de miocardio o determinados cánceres, el índice de concordancia -una medida estándar de precisión predictiva- superó el 0,8, lo que indica una alta coincidencia entre la predicción del modelo y la evolución real de los pacientes.
Los investigadores subrayan que la clave no reside en una única señal, sino en la combinación de todas ellas. Desajustes entre distintos sistemas corporales durante el sueño -por ejemplo, un cerebro en reposo y un corazón con actividad elevada- parecen ser especialmente informativos. El equipo trabaja ahora en mejorar el modelo y en desarrollar métodos que permitan interpretar con mayor claridad qué patrones utiliza la IA para realizar sus predicciones.