Una nueva inteligencia artificial es capaz de detectar hasta un centenar de patologías mientras dormimos

Una sola noche en un laboratorio del sueño puede contener información suficiente para anticipar enfermedades que aparecerán años después. Esa es la conclusión de un estudio publicado este seis de enero en Nature Medicine, en el que investigadores de Stanford Medicine presentan SleepFM, un modelo de inteligencia artificial capaz de predecir el riesgo de más de cien patologías, incluyendo cánceres, trastornos neurológicos, enfermedades cardiovasculares y complicaciones del embarazo, empleando únicamente los datos fisiológicos registrados mientras dormimos.

La investigación se apoya en una de las bases de datos más amplias jamás utilizadas en medicina del sueño: casi 600.000 horas de polisomnografía correspondientes a 65.000 pacientes. Estos estudios monitorizan durante toda la noche la actividad cerebral, el ritmo cardíaco, la respiración, el movimiento de los ojos o la actividad muscular, entre otras señales.

"Registramos una cantidad asombrosa de señales cuando estudiamos el sueño", explica el Dr. Emmanuel Mignot, profesor de Medicina del Sueño en Stanford y coautor del trabajo. "Es un tipo de fisiología general que estudiamos durante ocho horas en un sujeto completamente cautivo. Es una fuente de datos muy rica".

Una IA que aprende "el lenguaje del sueño"

Para analizar esa enorme cantidad de información, el equipo desarrolló un modelo base similar a los grandes modelos de lenguaje, pero entrenado con datos fisiológicos en lugar de palabras. Las señales se dividieron en segmentos de cinco segundos que la IA aprende a interpretar como elementos de un lenguaje propio.

"SleepFM consiste básicamente en aprender el lenguaje del sueño", señala James Zou, profesor asociado de ciencia de datos biomédicos y coautor principal del estudio.

Una de las claves del proyecto es una técnica de entrenamiento llamada aprendizaje contrastivo "dejando uno afuera": el modelo recibe varias señales y debe reconstruir una que se oculta. Así aprende cómo se relacionan entre sí los diferentes sistemas del cuerpo durante el descanso.

Predicciones más allá de la apnea

En las tareas tradicionales, como detectar fases del sueño o clasificar la gravedad de la apnea, SleepFM igualó o superó la precisión de los modelos actuales. Pero el gran salto llegó al compararlo con los historiales clínicos de los mismos pacientes: registros electrónicos que abarcan hasta 25 años de seguimiento.

Esa correlación permitió identificar 130 patologías cuya aparición podía preverse con notable precisión. Entre ellas, enfermedades de alto impacto social y sanitario como:

• Enfermedad de Parkinson (índice C 0,89)
• Cáncer de mama (0,87)
• Cáncer de próstata (0,89)
• Demencia (0,85)
• Enfermedad cardíaca hipertensiva (0,84)
• Infarto (0,81)
• Riesgo de muerte (0,84)

El índice C mide la capacidad de un modelo para anticipar qué persona desarrollará antes una enfermedad. Por encima de 0,8, los resultados se consideran altamente informativos.

"Nos sorprendió gratamente que, para un conjunto bastante diverso de condiciones, el modelo sea capaz de hacer predicciones informativas", afirma Zou.