El sistema SleepFM fue entrenado con 585 mil horas de estudios de polisomnografía de 65 mil personas y utiliza autoaprendizaje profundo para construir perfiles predictivos de salud a partir de señales cerebrales, cardíacas y respiratorias registradas durante una sola noche de sueño
Una sola noche de sueño podría contener información suficiente para anticipar enfermedades graves años antes de que aparezcan los primeros síntomas. Así lo plantea un estudio científico internacional encabezado por investigadores de la Universidad de Stanford, quienes desarrollaron SleepFM, un modelo de inteligencia artificial (IA) capaz de analizar señales fisiológicas complejas registradas durante la polisomnografía clínica y detectar el riesgo de más de 130 enfermedades.
El avance fue revisado por el cardiólogo y científico Eric Topol junto con el investigador James Zou, ambos vinculados a Stanford, en una publicación científica internacional que evalúa el potencial clínico del sistema, según información de Infobae.
¿Qué es SleepFM y cómo funciona?
SleepFM es un modelo fundacional de IA entrenado con:
- 585.000 horas de estudios de sueño
- Datos de 65.000 personas
- Historiales médicos electrónicos enlazados
- Información demográfica integrada
La polisomnografía —considerada el estándar de referencia mundial en estudios del sueño— registra durante al menos ocho horas continuas la actividad:
- Cerebral
- Cardíaca
- Respiratoria
- Muscular
A diferencia de relojes inteligentes o dispositivos domésticos que estiman datos a partir del movimiento o la oxigenación, SleepFM analiza directamente las señales fisiológicas crudas, lo que le permite construir representaciones profundas del estado de salud del paciente.
Según explicó James Zou, el modelo está “aprendiendo el lenguaje del sueño”, ya que no depende de variables predefinidas, sino que utiliza autoaprendizaje profundo para identificar patrones invisibles al análisis humano convencional.
¿Qué enfermedades puede anticipar esta inteligencia artificial?
El modelo logró identificar riesgo futuro para más de 130 condiciones clínicas, entre ellas:
- Enfermedad de Parkinson
- Demencia
- Cardiopatía hipertensiva
- Infarto de miocardio
- Cáncer de mama
- Otros tipos de cáncer
- Riesgo de mortalidad general
Para medir la precisión, los investigadores utilizaron el índice de concordancia (índice C), donde un valor de 1 representa predicción perfecta.
Resultados destacados:
- 0,89 en Parkinson
- 0,85 en demencia
- 0,87 en cáncer de mama
- 0,84 en mortalidad
Estos niveles indican una capacidad predictiva alta en comparación con modelos tradicionales.
¿Por qué el sueño puede anticipar enfermedades graves?
Los investigadores sostienen que la fisiología nocturna refleja múltiples mecanismos sistémicos del organismo. Durante el sueño interactúan de forma simultánea el sistema nervioso, cardiovascular, respiratorio y metabólico, generando una enorme cantidad de información biológica.
El profesor Emmanuel Mignot, especialista en medicina del sueño y coautor del estudio, señaló que la mayor capacidad predictiva se logró al contrastar múltiples canales fisiológicos de manera integrada.
El hallazgo refuerza la idea de que el sueño podría convertirse en un biomarcador integral de salud, similar a los signos vitales clásicos, pero con una dimensión predictiva mucho más amplia.
¿Está lista esta tecnología para uso clínico?
Aunque los resultados son prometedores, los investigadores advierten que aún se requieren:
- Estudios prospectivos adicionales
- Validaciones externas en distintos entornos clínicos
- Mayor comprensión sobre cómo la IA genera ciertas predicciones
Antes de su adopción masiva en hospitales, el modelo deberá demostrar robustez, reproducibilidad y aplicabilidad generalizada.
El siguiente paso: llevar la IA del laboratorio al hogar
El equipo científico explora ahora la posibilidad de adaptar el modelo a dispositivos portátiles, utilizando aprendizaje por transferencia para trasladar la potencia analítica de la polisomnografía clínica a tecnologías más accesibles.
También se analiza integrar los datos del sueño con:
- Biomarcadores metabólicos
- Perfil del microbioma
- Relojes biológicos
El objetivo final es que el análisis automatizado del sueño mediante IA se convierta en una herramienta preventiva capaz de detectar riesgos médicos incluso antes de que el paciente experimente síntomas visibles.
Si se valida plenamente, una sola noche de sueño podría transformarse en una radiografía anticipada del futuro estado de salud de millones de personas.
© Copyright Impresora y Editorial S.A. de C.V. Todos los derechos reservados