Una mala noche suele anunciar un día difícil. Pero, según un nuevo estudio de investigadores de Stanford Medicine, también puede ofrecer pistas sobre enfermedades que aparecerán años después. Un modelo de inteligencia artificial, llamado SleepFM, es capaz de predecir el riesgo de desarrollar más de 100 condiciones de salud a partir de los registros fisiológicos de una sola noche de sueño.
LEA TAMBIÉN
El sistema fue entrenado con cerca de 600.000 horas de datos de sueño provenientes de 65.000 participantes, obtenidos mediante polisomnografía, el estándar de oro para los estudios del sueño. Esta técnica registra, durante toda la noche, señales como la actividad cerebral y cardíaca, la respiración, los movimientos de las piernas y los ojos, entre otras.
“Registramos una cantidad increíble de señales cuando estudiamos el sueño”, explicó Emmanuel Mignot, profesor de Medicina del Sueño en Stanford y coautor principal del estudio, que se publicó en Nature Medicine. “Es una especie de fisiología general que observamos durante ocho horas en un sujeto completamente cautivo. Es muy rica en datos”.
El lenguaje oculto del sueño
Hasta ahora, solo una fracción de esa información se usaba en la práctica clínica y en la investigación. Con los avances en inteligencia artificial, los científicos decidieron explorar ese “tesoro” de datos sin aprovechar. El resultado fue un modelo fundacional, capaz de entrenarse de manera autónoma con grandes volúmenes de información y aplicar lo aprendido a múltiples tareas.
Las casi 585.000 horas de polisomnografía se dividieron en segmentos de cinco segundos, de forma análoga a las palabras con las que se entrenan los modelos de lenguaje. “SleepFM está, en esencia, aprendiendo el lenguaje del sueño”, señaló James Zou, profesor asociado de ciencia de datos biomédicos y coautor principal.
El modelo integra múltiples flujos de información —electroencefalografía, electrocardiografía, electromiografía, pulso y flujo respiratorio— y aprende cómo se relacionan entre sí. Para lograrlo, el equipo desarrolló una técnica de entrenamiento que oculta una señal y reta al modelo a reconstruirla con base en las demás. “Uno de los avances técnicos fue armonizar todas estas modalidades para que aprendieran el mismo lenguaje”, dijo Zou.
Los resultados fueron sólidos para enfermedades circulatorias y trastornos mentales. Foto:Istock
Anticipar la enfermedad
Tras el entrenamiento, los investigadores evaluaron a SleepFM en tareas clásicas, como clasificar las fases del sueño o diagnosticar apnea. Su desempeño fue igual o superior al de los mejores modelos actuales. Luego, fueron más allá: intentar predecir la aparición futura de enfermedades.
Para ello, vincularon los registros de sueño con décadas de historias clínicas del Stanford Sleep Medicine Center. En total, analizaron más de 1.000 categorías de enfermedades y hallaron 130 que podían predecirse con una precisión razonable solo a partir del sueño. Los resultados fueron especialmente sólidos para cánceres, complicaciones del embarazo, enfermedades circulatorias y trastornos mentales, con índices de concordancia superiores a 0,8.
LEA TAMBIÉN
“Un índice de 0,8 significa que el 80 % del tiempo la predicción del modelo coincide con lo que realmente ocurrió”, explicó Zou. SleepFM mostró un desempeño destacado en enfermedades como Parkinson, demencia, infarto, cáncer de próstata y de mama, e incluso en la predicción de mortalidad.
“Nos sorprendió gratamente que, para un conjunto tan diverso de condiciones, el modelo pudiera hacer predicciones informativas”, añadió el investigador. Según el equipo, la clave estuvo en contrastar todas las señales: desajustes entre sistemas —como un cerebro que parece dormido y un corazón que no— parecían anunciar problemas futuros.
REDACCIÓN SALUD
