SleepFM: crean un modelo de IA que detecta más de 100 enfermedades mientras dormís

Investigadores de ...

Investigadores de Stanford Medicine han desarrollado una herramienta capaz de transformar una noche de descanso en una ventana al futuro de la salud,. Se trata de SleepFM, el primer modelo de inteligencia artificial de su tipo que puede predecir el riesgo de desarrollar más de 100 condiciones de salud utilizando únicamente los registros fisiológicos de una sola noche de sueño.

Un tesoro oculto de datos

El modelo fue entrenado con cerca de 600.000 horas de datos de sueño de 65.000 voluntarios. Estos datos se obtuvieron a través de la polisomnografía, un estudio integral que utiliza sensores para registrar la actividad cerebral, el ritmo cardíaco, las señales respiratorias y los movimientos oculares y de las piernas mientras los pacientes duermen.

Aunque la polisomnografía es estándar en los estudios de laboratorio, los investigadores notaron que gran parte de esta información no se aprovechaba en la medicina convencional. “Registramos una cantidad asombrosa de señales cuando estudiamos el sueño”, señaló Emmanuel Mignot, profesor de Medicina del Sueño y coautor principal del estudio publicado el 6 de enero en Nature Medicine.

Aprendiendo el lenguaje del sueño

SleepFM funciona de manera similar a los modelos de lenguaje como ChatGPT, pero en lugar de texto, aprende la estructura del sueño. Para lograrlo, los científicos dividieron los datos en fragmentos de cinco segundos (las “palabras” del sueño) y aplicaron una técnica llamada “aprendizaje contrastivo con omisión”, que oculta una de las señales (como el flujo de aire) y obliga a la IA a reconstruirla basándose en el resto de los datos, logrando así armonizar múltiples fuentes de información.

Capacidad de predicción sin precedentes

Tras analizar registros de salud de hasta 25 años de seguimiento, el modelo demostró una precisión sorprendente para anticipar diversas patologías. Entre los resultados más destacados, el modelo alcanzó un índice de concordancia superior a 0,8 en enfermedades críticas como Parkinson, cáncer de próstata, cáncer de mama, demencia o insuficiencia cardíaca.

Un aspecto clave del éxito de SleepFM es su capacidad para detectar cuando los sistemas del cuerpo están “fuera de sincronía”. Por ejemplo, el riesgo de enfermedad aumenta si el cerebro parece estar dormido, pero el corazón actúa como si estuviera despierto.

El equipo de Stanford, liderado por James Zou y Emmanuel Mignot, planea mejorar el modelo incorporando datos de dispositivos vestibles (wearables) y trabajando en técnicas para interpretar con exactitud qué señales específicas activan cada predicción.