Una noche inquieta suele provocar fatiga al día siguiente, pero también puede indicar problemas de salud que pueden no aparecer hasta mucho más tarde. Científicos de Stanford Medicine y sus colaboradores han desarrollado un sistema de inteligencia artificial que puede examinar las señales corporales de una sola noche de sueño y evaluar el riesgo de una persona de padecer más de 100 enfermedades diferentes. El sistema, denominado SleepFM, se entrenó utilizando casi 600 000 horas de registros del sueño de 65 000 personas. Estos registros proceden de la polisomnografía, una prueba del sueño en profundidad que utiliza múltiples sensores para realizar un seguimiento de la actividad cerebral, la función cardíaca, los patrones respiratorios, los movimientos oculares, los movimientos de las piernas y otras señales físicas durante el sueño.

Los estudios del sueño contienen datos de salud sin explotar

La polisomnografía se considera el método de referencia para evaluar el sueño y normalmente se realiza durante la noche en un laboratorio. Aunque se utiliza a menudo para diagnosticar trastornos del sueño, los investigadores han reconocido que también captura una gran cantidad de información fisiológica que no se ha analizado completamente. «Registramos una cantidad asombrosa de señales cuando estudiamos el sueño», afirma el Dr. Emmanual Mignot, profesor Craig Reynolds de Medicina del Sueño y coautor principal del nuevo estudio publicado en Nature Medicine. «Es una especie de fisiología general que estudiamos durante ocho horas en una persona que está completamente bajo nuestro cuidado. Los datos son muy extensos».

En la práctica clínica habitual, solo se examina una pequeña parte de esta información. Gracias a los recientes avances en inteligencia artificial, los investigadores ahora pueden analizar estos conjuntos de datos grandes y complejos de forma más exhaustiva. Según el equipo, este trabajo es el primero en aplicar la IA a los datos del sueño a tan gran escala. «Desde la perspectiva de la IA, el sueño está relativamente poco estudiado. Hay muchos otros trabajos de IA que se ocupan de la patología o la cardiología, pero relativamente pocos que se ocupan del sueño, a pesar de que el sueño es una parte tan importante de la vida», afirma James Zou, doctor, profesor asociado de ciencia de datos biomédicos y coautor principal del estudio.

Enseñar a la IA los patrones del sueño

Para obtener información a partir de los datos, los investigadores desarrollaron un modelo base, un tipo de IA diseñado para aprender patrones generales a partir de conjuntos de datos muy grandes y luego aplicar ese conocimiento a muchas tareas. Los grandes modelos lingüísticos, como ChatGPT, utilizan un enfoque similar, pero se entrenan con texto en lugar de señales biológicas. SleepFM se entrenó con 585 000 horas de datos de polisomnografía recopilados de pacientes que fueron examinados en clínicas del sueño. Cada sesión de monitorización del sueño se dividió en segmentos de cinco segundos, que funcionan de manera similar a las palabras utilizadas para entrenar los sistemas de IA basados en el lenguaje. SleepFM aprende esencialmente el lenguaje del sueño, afirma Zou.

El modelo integra múltiples flujos de información, incluyendo señales cerebrales, ritmos cardíacos, actividad muscular, mediciones del pulso y flujo de aire durante la respiración, y aprende cómo estas señales interactúan entre sí. Para ayudar al sistema a comprender estas relaciones, los investigadores desarrollaron un método de entrenamiento llamado «aprendizaje contrastivo Leave-One-Out». En este enfoque, se elimina un tipo de señal cada vez y se pide al modelo que la reconstruya utilizando los datos restantes. Una de las innovaciones técnicas que lograron en este trabajo es descubrir cómo armonizar todas estas diferentes modalidades de datos para que puedan unirse y aprender el mismo lenguaje.

Predicción de enfermedades futuras basadas en el sueño

Después del entrenamiento, los investigadores adaptaron el modelo para tareas específicas. Primero, lo probaron en estudios estándar del sueño, como identificar las fases del sueño y evaluar la gravedad de la apnea del sueño. En estas pruebas, SleepFM igualó o incluso superó el rendimiento de los modelos líderes actuales. A continuación, el equipo se propuso un objetivo más ambicioso: averiguar si los datos del sueño pueden predecir enfermedades futuras. Para ello, relacionaron los registros de polisomnografía con los resultados de salud a largo plazo de las mismas personas. Esto fue posible porque los investigadores tuvieron acceso a décadas de historiales médicos de una sola clínica del sueño.

El Centro de Medicina del Sueño de Stanford fue fundado en 1970 por el difunto Dr. William Dement, PhD, considerado por muchos como el padre de la medicina del sueño. El grupo más grande utilizado para entrenar a SleepFM incluía a unos 35 000 pacientes de entre 2 y 96 años. Sus estudios del sueño se registraron en la clínica entre 1999 y 2024 y se compararon con los registros médicos electrónicos que siguieron a algunos pacientes durante un máximo de 25 años. Los registros de polisomnografía de la clínica se remontan aún más atrás, pero solo en formato papel, según Mignot, que dirigió el centro del sueño entre 2010 y 2019. Utilizando este conjunto de datos combinados, SleepFM revisó más de 1000 categorías de enfermedades e identificó 130 afecciones que podían predecirse con una precisión razonable basándose únicamente en los datos del sueño. Los mejores resultados se obtuvieron en cáncer, complicaciones del embarazo, enfermedades circulatorias y trastornos mentales, con valores de predicción superiores a un índice C de 0,8.