Inteligencia Artificial lee el sueño para predecir cáncer, infartos y trastornos mentales

Una noche de mal descanso no solo puede anticipar un día complicado, sino también revelar señales de problemas de salud que podrían manifestarse años más tarde. 

Así lo sugiere un nuevo estudio de Stanford Medicine, en el que investigadores desarrollaron un modelo de inteligencia artificial llamado SleepFM, capaz de estimar el riesgo de padecer más de 100 enfermedades a partir de los datos fisiológicos registrados durante una sola noche de sueño.

El sistema se entrenó con aproximadamente 600.000 horas de registros de sueño correspondientes a 65.000 personas, obtenidos mediante polisomnografía, considerada el método más completo para el análisis del sueño. Esta prueba recopila durante la noche información como la actividad cerebral y cardíaca, la respiración, así como los movimientos de piernas y ojos, entre otros indicadores.

“Cuando analizamos el sueño, registramos una enorme cantidad de señales”, explicó Emmanuel Mignot, profesor de Medicina del Sueño en Stanford y uno de los principales autores del estudio publicado en Nature Medicine. “Es una visión integral de la fisiología de una persona durante unas ocho horas, con una riqueza de datos extraordinaria”.

El lenguaje oculto del sueño

Hasta ahora, solo una pequeña parte de esa información se utilizaba en la práctica médica y la investigación. Con los avances en inteligencia artificial, el equipo decidió explorar ese volumen de datos poco aprovechado. El resultado fue un modelo fundacional capaz de aprender de forma autónoma a partir de grandes conjuntos de información y aplicar ese conocimiento a distintas tareas.

Las casi 585.000 horas de polisomnografía se dividieron en segmentos de cinco segundos, de manera similar a cómo los modelos de lenguaje procesan palabras. “En esencia, SleepFM está aprendiendo el lenguaje del sueño”, explicó James Zou, profesor asociado de ciencia de datos biomédicos y coautor del estudio.

El modelo combina múltiples fuentes de información —como electroencefalogramas, electrocardiogramas, electromiogramas, pulso y flujo respiratorio— y aprende cómo interactúan entre sí. Para ello, los investigadores diseñaron un método de entrenamiento en el que una señal se oculta y el sistema debe reconstruirla a partir de las demás. “Uno de los avances clave fue lograr que todas estas señales aprendieran un mismo lenguaje”, señaló Zou.

Anticipar enfermedades

Una vez entrenado, SleepFM fue evaluado en tareas tradicionales, como identificar las etapas del sueño o detectar apnea, con resultados iguales o mejores que los modelos existentes. Posteriormente, el equipo probó su capacidad para anticipar enfermedades futuras.

Para esto, vincularon los datos de sueño con décadas de historiales clínicos del Stanford Sleep Medicine Center. Analizaron más de 1.000 tipos de enfermedades y descubrieron que 130 podían predecirse con una precisión aceptable únicamente a partir de los registros de sueño. Los mejores resultados se observaron en cánceres, complicaciones del embarazo, enfermedades cardiovasculares y trastornos mentales, con índices de concordancia superiores a 0,8.

“Un valor de 0,8 significa que en el 80 % de los casos la predicción del modelo coincide con lo que realmente sucedió”, explicó Zou. SleepFM mostró especial precisión en afecciones como Parkinson, demencia, infartos, cáncer de próstata y de mama, e incluso en la estimación del riesgo de mortalidad.

“Nos sorprendió positivamente que el modelo pudiera generar predicciones útiles para un conjunto tan amplio de enfermedades”, añadió el investigador. Según el equipo, la clave estuvo en analizar las discrepancias entre distintos sistemas del cuerpo: por ejemplo, cuando el cerebro aparenta estar dormido, pero el corazón no muestra el mismo patrón, esas descoordinaciones podrían ser señales tempranas de problemas de salud futuros.

Noticias del tema