Un innovador estudio internacional, publicado en la prestigiosa revista Nature Medicine, revela que la inteligencia artificial (IA) puede analizar una única noche de sueño para estimar el riesgo futuro de desarrollar diversas enfermedades de gran impacto en la salud pública.
La investigación, liderada por científicos de la Universidad de Stanford y con la colaboración de la Harvard Medical School y otros centros académicos europeos, presenta SleepFM, un modelo de IA diseñado para interpretar la polisomnografía (PSG). La PSG es el registro clínico más completo del sueño humano.
Según explica Juan José Beunza, catedrático de Salud Pública y director de IASalud en la Universidad Europea, “el mensaje central del estudio es que el sueño contiene información clínica valiosa, mucho más allá de determinar si alguien duerme bien o mal”. Beunza añade que “la inteligencia artificial puede aprender a interpretar las señales del sueño, integrando datos del cerebro, el corazón y la respiración para anticipar posibles riesgos para la salud”.
Tradicionalmente, la polisomnografía se ha empleado para diagnosticar trastornos del sueño como la apnea o el insomnio. Sin embargo, este nuevo enfoque propone una perspectiva diferente, transformando la PSG en una fuente transversal de información sobre la salud futura, según afirma Beunza: “La PSG deja de ser solo una herramienta diagnóstica del sueño y se convierte en una fuente de información sobre la salud a largo plazo”.
El modelo SleepFM fue entrenado con más de 585.000 horas de registros de sueño de cerca de 65.000 personas. Tras este extenso proceso de aprendizaje, se evaluó su capacidad predictiva en 1.041 categorías clínicas, demostrando un buen rendimiento en 130 de ellas. Entre estas se incluyen la demencia, el infarto de miocardio, la insuficiencia cardíaca, la enfermedad renal crónica, el ictus, la fibrilación auricular e incluso la mortalidad general.
El investigador destaca que “el hecho de que una sola noche de sueño permita predecir con precisión el riesgo de múltiples enfermedades, incluyendo algunas de gran relevancia para la salud pública, es uno de los hallazgos más significativos del estudio”.
Otro aspecto clave del modelo es su capacidad para integrar señales provenientes del cerebro, el corazón, los músculos y el sistema respiratorio. Beunza explica que “durante décadas, la polisomnografía se ha utilizado de forma fragmentada. Este estudio demuestra que, al analizarse en conjunto con inteligencia artificial, puede capturar señales sutiles relacionadas con la salud futura”.
El estudio también resalta que SleepFM ha sido diseñado para adaptarse a las condiciones reales de la práctica clínica. “El modelo puede funcionar incluso cuando varían el tipo, el número o el orden de los sensores utilizados en los hospitales, una limitación común en la práctica”, señala el experto. Además, puede adaptarse a nuevos centros mediante procesos de aprendizaje con datos locales, aunque esto requiere un esfuerzo adicional.
A pesar de su potencial, los autores enfatizan que SleepFM es un modelo de riesgo o pronóstico y no un diagnóstico en sí mismo. Beunza puntualiza: “Esto no significa que una prueba del sueño diagnostique demencia o infarto”. Para su aplicación clínica, se requieren validaciones prospectivas, la medición de su impacto real en las decisiones médicas y el establecimiento de protocolos de seguridad claros.
