Un equipo de científicos de la Universidad de Stanford desarrolló un modelo de inteligencia artificial capaz de predecir el riesgo de manifestación de alrededor de 130 enfermedades a partir de los datos recogidos durante una sola noche de sueño, según un estudio publicado este martes en la revista Nature Medicine.
La herramienta, denominada SleepFM, representa un avance significativo en la aplicación de la inteligencia artificial al análisis del sueño y podría convertirse en un apoyo clave para la detección temprana de enfermedades de alta mortalidad.
Datos masivos y análisis del “estándar dorado” del sueño
El modelo fue entrenado con casi 600,000 horas de registros de sueño correspondientes a unos 65,000 participantes, utilizando información obtenida mediante polisomnografía (PSG), considerada el estándar de referencia para el análisis clínico del sueño.
Los datos incluyen señales cerebrales, cardíacas, musculares y respiratorias, lo que permitió al sistema aprender patrones fisiológicos complejos asociados al descanso nocturno. De acuerdo con los investigadores, este es el primer estudio que aplica inteligencia artificial al análisis del sueño a gran escala.
- SleepFM genera representaciones internas del sueño que capturan tanto su estructura fisiológica como su evolución temporal, lo que posibilita una predicción más precisa del riesgo de enfermedades futuras.
Entre las afecciones que el modelo podría ayudar a identificar se encuentran la demencia, el infarto de miocardio, la insuficiencia cardíaca, la enfermedad renal crónica, el accidente cerebrovascular y la fibrilación auricular.
Potencial clínico y retos del análisis del sueño
El estudio subraya que la inteligencia artificial permite superar uno de los principales desafíos de la medicina del sueño: la enorme cantidad de datos que genera la polisomnografía y la dificultad de analizarlos de forma integral.
- “Desde una perspectiva de IA, el sueño está relativamente poco estudiado”, señaló James Zou, profesor asociado de ciencia de datos biomédicos y coautor del estudio, en declaraciones difundidas por la Facultad de Medicina de Stanford.
Los investigadores destacan que este tipo de modelos podría abrir nuevas vías para la prevención, el diagnóstico temprano y la medicina personalizada, aunque aclaran que aún se requieren más estudios antes de su aplicación clínica generalizada.
