Uma noite agitada geralmente leva à fadiga no dia seguinte, mas também pode indicar problemas de saúde que podem surgir muito mais tarde. Cientistas da Stanford Medicine e seus colaboradores desenvolveram um sistema de inteligência artificial que pode examinar os sinais do corpo a partir de uma única noite de sono e avaliar o risco de uma pessoa para mais de 100 doenças diferentes. O sistema, chamado SleepFM, foi treinado usando quase 600.000 horas de registros de sono de 65.000 pessoas. Esses registros vêm da polissonografia, um teste de sono aprofundado que usa vários sensores para rastrear a atividade cerebral, a função cardíaca, os padrões respiratórios, os movimentos oculares, os movimentos das pernas e outros sinais físicos durante o sono.

Estudos do sono contêm dados de saúde inexplorados

A polissonografia é considerada o padrão ouro para avaliar o sono e é normalmente realizada durante a noite em um laboratório. Embora seja frequentemente usada para diagnosticar distúrbios do sono, os pesquisadores reconheceram que ela também captura uma grande quantidade de informações fisiológicas que não foram totalmente analisadas. “Registramos um número surpreendente de sinais quando estudamos o sono”, disse o Dr. Emmanual Mignot, PhD, professor Craig Reynolds de Medicina do Sono e coautor sênior do novo estudo publicado na Nature Medicine. “É um tipo de fisiologia geral que estudamos por oito horas em uma pessoa que está completamente sob nossos cuidados. Os dados são muito extensos.”

Na prática clínica de rotina, apenas uma pequena fração dessas informações é examinada. Graças aos recentes avanços em inteligência artificial, os pesquisadores agora podem analisar esses conjuntos de dados grandes e complexos de forma mais completa. De acordo com a equipe, este trabalho é o primeiro a aplicar IA a dados do sono em tão grande escala. “Do ponto de vista da IA, o sono é relativamente pouco estudado. Há muitos outros trabalhos de IA que tratam de patologia ou cardiologia, mas relativamente poucos que tratam do sono, embora o sono seja uma parte tão importante da vida”, disse James Zou, PhD, professor associado de ciência de dados biomédicos e coautor sênior do estudo.

Ensinar padrões de sono à IA

Para obter insights a partir dos dados, os pesquisadores desenvolveram um modelo básico, um tipo de IA projetado para aprender padrões gerais a partir de conjuntos de dados muito grandes e, em seguida, aplicar esse conhecimento a muitas tarefas. Grandes modelos de linguagem, como o ChatGPT, usam uma abordagem semelhante, mas são treinados com texto em vez de sinais biológicos. O SleepFM foi treinado com 585.000 horas de dados de polissonografia coletados de pacientes examinados em clínicas do sono. Cada sessão de monitoramento do sono foi dividida em segmentos de cinco segundos, que funcionam de maneira semelhante às palavras usadas para treinar sistemas de IA baseados em linguagem. O SleepFM essencialmente aprende a linguagem do sono, disse Zou.

O modelo integra vários fluxos de informações, incluindo sinais cerebrais, ritmos cardíacos, atividade muscular, medições de pulso e fluxo de ar durante a respiração, e aprende como esses sinais interagem entre si. Para ajudar o sistema a entender essas relações, os pesquisadores desenvolveram um método de treinamento chamado “Leave-One-Out Contrastive Learning” (Aprendizado Contrastivo Leave-One-Out). Nessa abordagem, um tipo de sinal é removido por vez e o modelo é solicitado a reconstruí-lo usando os dados restantes. Uma das inovações técnicas que eles alcançaram neste trabalho foi descobrir como harmonizar todas essas diferentes modalidades de dados para que elas possam se unir e aprender a mesma linguagem.

Previsão de doenças futuras com base no sono

Após o treinamento, os pesquisadores adaptaram o modelo para tarefas específicas. Primeiro, eles o testaram em estudos padrão do sono, como identificar os estágios do sono e avaliar a gravidade da apneia do sono. Nesses testes, o SleepFM igualou ou até superou o desempenho dos modelos líderes atuais. A equipe então buscou um objetivo mais ambicioso: descobrir se os dados do sono podem prever doenças futuras. Para fazer isso, eles relacionaram os registros da polissonografia com os resultados de saúde a longo prazo dos mesmos indivíduos. Isso foi possível porque os pesquisadores tiveram acesso a décadas de registros médicos de uma única clínica do sono.

O Stanford Sleep Medicine Center foi fundado em 1970 pelo falecido Dr. William Dement, PhD, amplamente considerado o pai da medicina do sono. O maior grupo usado para treinar o SleepFM incluiu cerca de 35.000 pacientes com idades entre 2 e 96 anos. Seus estudos do sono foram registrados na clínica entre 1999 e 2024 e combinados com registros eletrônicos de saúde que acompanharam alguns pacientes por até 25 anos. Os registros de polissonografia da clínica remontam a épocas ainda mais antigas, mas apenas em formato impresso, de acordo com Mignot, que chefiou o centro do sono de 2010 a 2019. Usando esse conjunto de dados combinados, o SleepFM analisou mais de 1.000 categorias de doenças e identificou 130 condições que poderiam ser previstas com precisão razoável com base apenas nos dados do sono. Os melhores resultados foram obtidos para câncer, complicações na gravidez, doenças circulatórias e transtornos mentais, com valores de previsão acima de um índice C de 0,8.