Un equipo internacional de investigadores de universidades y centros de investigación de Estados Unidos y Europa publicó en Nature Medicine un estudio que refuerza una idea importante para la medicina contemporánea: el sueño contiene información clínica valiosa más allá de evaluar si una persona duerme bien o mal.
Liderado por investigadores de la Stanford University, con participación de la Harvard Medical School, la University of Copenhagen y la Technical University of Denmark, el trabajo presenta SleepFM, un modelo fundacional de inteligencia artificial entrenado para analizar la polisomnografía (PSG), el registro clínico más completo del sueño, y estimar el riesgo futuro de múltiples enfermedades a partir de una sola noche.
“Lo relevante no es solo que prediga una enfermedad concreta, sino que aprende el ‘idioma del sueño’ integrando señales del cerebro, corazón y respiración, y puede reutilizarse para muchas tareas clínicas”, explica Juan José Beunza, catedrático de Salud Pública y director de IASalud en la Universidad Europea.
Según el investigador, este enfoque supone un cambio de mirada: “La PSG deja de ser únicamente una herramienta diagnóstica de trastornos del sueño para convertirse en una fuente de información transversal sobre la salud futura”.
SleepFM se entrenó con más de 585.000 horas de registros de sueño correspondientes a unas 65.000 personas de distintas cohortes y se evaluó frente a 1.041 categorías clínicas, mostrando buen rendimiento predictivo en 130 condiciones, incluidas la mortalidad y enfermedades como demencia, infarto de miocardio, insuficiencia cardíaca, enfermedad renal crónica, ictus o fibrilación auricular.
“Que una sola noche permita predecir con buena precisión el riesgo de múltiples enfermedades, incluidas algunas tan relevantes en salud pública, es uno de los resultados más llamativos del estudio”, señala Beunza. El modelo integra señales del cerebro (EEG y EOG), del corazón (ECG), de los músculos (EMG) y del sistema respiratorio, lo que permite capturar información que la PSG tradicional rara vez analiza de manera conjunta.
“La polisomnografía se ha usado durante décadas, pero casi siempre de forma fragmentada. Aquí se demuestra que, analizada en conjunto con IA, puede capturar señales sutiles relacionadas con la salud futura”, afirma el investigador.
El estudio también destaca que SleepFM puede aplicarse a conjuntos de datos externos mediante un ajuste fino, permitiendo adaptarlo a otros hospitales sin empezar desde cero. Además, es un modelo compacto con 4,44 millones de parámetros, requiriendo solo 0,9 millones para su ajuste final, demostrando que el tamaño no es lo más importante.
“No hace falta un modelo gigantesco para generar valor. Aquí lo importante es el diseño del modelo y la calidad de los datos, no solo el tamaño”, agrega Beunza. Aunque SleepFM no es una herramienta diagnóstica, “El sueño es un espejo de la salud. Este estudio sugiere que, con inteligencia artificial y registros de calidad, podemos detectar señales tempranas y mejorar la prevención. Pero hace falta validarlo cuidadosamente antes de llevarlo a la práctica clínica cotidiana”.
TE PUEDE INTERESAR
Elimine la humedad de su casa
¿Cómo detectar señales de alerta de violencia y acoso escolar en tus hijos?
Diabetes: Cómo mantener el equilibrio frente a esta condición
