Un nuevo modelo de inteligencia artificial (IA) podría predecir el riesgo de desarrollar más de 100 enfermedades basándose en la calidad del sueño de una persona.
SleepFM, un gran modelo de lenguaje (LLM) desarrollado por investigadores de la Universidad de Stanford en California, analiza la actividad cerebral, la frecuencia cardíaca, las señales respiratorias, los movimientos de las piernas y los ojos durante el sueño para evaluar el riesgo de enfermedad.
Una nueva investigación publicada en Nature detalla cómo los investigadores entrenaron el modelo de IA utilizando más de 580.000 horas de datos de sueño recopilados de 65.000 pacientes entre 1999 y 2024. Estos datos, provenientes de clínicas del sueño que evalúan los patrones de sueño nocturnos, fueron divididos en segmentos de cinco segundos, utilizados como “palabras” para el entrenamiento del LLM.
“SleepFM aprende, en cierto modo, el lenguaje del sueño”, explicó James Zou, profesor asociado de ciencias de datos biomédicos en Stanford y coautor del estudio.
Para entrenar a SleepFM en la predicción de enfermedades futuras, los investigadores complementaron los datos de sueño con los historiales médicos individuales de los pacientes atendidos en las clínicas del sueño.
El modelo de IA demostró ser preciso en al menos un 80% de los casos al predecir la aparición de la enfermedad de Parkinson, la enfermedad de Alzheimer, la demencia, la cardiopatía hipertensiva, un infarto, el cáncer de próstata o el cáncer de mama. También predijo correctamente el fallecimiento de un paciente en el 84% de los casos.
La precisión del modelo fue menor, aunque aún significativa, en la detección de la enfermedad renal crónica, el accidente cerebrovascular y la arritmia (un trastorno del ritmo cardíaco), identificándolos en al menos un 78% de los casos.
“Registramos una cantidad impresionante de señales [de salud] cuando estudiamos el sueño”, señaló Emmanuel Mignot, profesor de medicina del sueño en Stanford. “Es una especie de fisiología general que estudiamos durante ocho horas en un sujeto completamente cautivo. Es muy rico en datos.”
Los autores del estudio indican que la combinación de todos los datos permitió al modelo realizar las predicciones más fiables. Por ejemplo, señales corporales desincronizadas (un cerebro que parece estar dormido pero un corazón que parece estar despierto) fueron un mal presagio.
Stanford ha anunciado que añadirá a la base de datos de SleepFM datos provenientes de dispositivos portátiles (wearables) para mejorar aún más las predicciones del modelo.
Los investigadores también señalan que su estudio se realizó únicamente con personas que ya sospechaban tener problemas de salud, debido a su participación en ensayos clínicos del sueño, lo que significa que su muestra no es representativa de la capacidad de la IA para detectar enfermedades en la población general.
