Científicos de la Universidad de Stanford han desarrollado un modelo de inteligencia artificial capaz de predecir el riesgo de hasta 130 enfermedades a partir de los datos obtenidos en una sola noche de sueño.
El avance se describe en un estudio publicado en Nature Medicine, y se basa en el análisis conjunto de señales cerebrales, cardíacas, musculares y respiratorias.
El sistema utiliza información procedente de la polisomnografía, considerada el método de referencia para el estudio clínico del sueño.
Entrenamiento del modelo SleepFM
El modelo, denominado SleepFM, ha sido entrenado con cerca de 600.000 horas de registros de sueño correspondientes a unos 65.000 participantes, lo que lo sitúa entre los mayores conjuntos de datos utilizados en este campo.
El entrenamiento combina múltiples señales fisiológicas para construir una representación integral del sueño, capaz de capturar patrones complejos a lo largo del tiempo.
Este enfoque permite analizar el sueño como un proceso continuo, en lugar de fragmentarlo en métricas aisladas.
Capacidad predictiva en enfermedades graves
Según los investigadores, el modelo puede identificar riesgos asociados a enfermedades con alta mortalidad, como demencia, infarto de miocardio, insuficiencia cardíaca, enfermedad renal crónica, ictus y fibrilación auricular.
«SleepFM produce representaciones latentes del sueño que capturan su estructura fisiológica y temporal», señalan los autores, lo que permite una predicción precisa del riesgo de enfermedades futuras.
El estudio destaca que esta capacidad predictiva se obtiene sin necesidad de datos clínicos adicionales, más allá del registro del sueño.
La IA frente al volumen de datos del sueño
El análisis de la polisomnografía genera grandes volúmenes de datos, cuya interpretación manual resulta compleja y costosa en términos de tiempo y recursos.
El uso de inteligencia artificial permite superar estas limitaciones al procesar simultáneamente miles de variables y detectar relaciones que no son evidentes mediante métodos tradicionales.
Este enfoque abre la puerta a un uso más extensivo del sueño como biomarcador de salud.
Un campo aún poco explorado
«Desde una perspectiva de IA, el sueño está relativamente poco estudiado», explica James Zou, profesor asociado de ciencia de datos biomédicos y coautor del trabajo.
El investigador subraya que la mayoría de modelos predictivos en salud se han centrado en imágenes médicas o historiales clínicos, dejando el sueño en un segundo plano.
SleepFM plantea un cambio de enfoque, al situar el análisis del descanso como una herramienta central para la predicción temprana de enfermedades.
Aplicaciones futuras en medicina preventiva
Los autores señalan que este tipo de modelos podría integrarse en entornos clínicos para mejorar la detección precoz de riesgos de salud.
La posibilidad de obtener información relevante a partir de una sola noche de sueño facilita su aplicación a gran escala.
El estudio refuerza el papel de la inteligencia artificial como apoyo en la medicina preventiva y personalizada, con el sueño como fuente clave de información fisiológica.
