La IA de Stanford analiza los datos del sueño para detectar indicadores precoces de riesgo de enfermedad que aparecen mientras se duerme

Los investigadores trabajan en Stanford Medicine y en instituciones colaboradoras. Su modelo SleepFM, basado en IA, procesa grabaciones completas de polisomnografía (PSG). La PSG es un estudio completo y multiparamétrico del sueño que se utiliza para evaluar cómo funciona el cuerpo de un sujeto durante el sueño.

Cómo lee la IA el lenguaje del sueño

La PSG monitoriza las ondas cerebrales, la respiración, los movimientos oculares, la actividad muscular, los ritmos cardíacos y los niveles de oxígeno en sangre. SleepFM pretende ir más allá de los trastornos del sueño al tratar estas señales como un único conjunto de datos fisiológicos.

Con la ayuda de la IA, los investigadores analizaron el mayor conjunto de datos de este tipo: 585.000 horas de sueño de 65.000 personas. SleepFM cortó las grabaciones en trozos de cinco segundos, lo que ayudó al modelo a captar patrones de forma similar a como los grandes modelos lingüísticos manejan las palabras y las frases.

Entrenamiento a través de múltiples sistemas corporales

SleepFM se considera un gran avance por su capacidad para combinar múltiples fuentes de señales. Puede procesar simultáneamente la actividad cerebral, el movimiento muscular, los patrones respiratorios, etc. El seguimiento de múltiples sistemas corporales permite a SleepFM detectar cuándo las señales fisiológicas se desfasan durante el sueño.

Los investigadores entrenaron el modelo sobre cómo interactúan las distintas partes del cuerpo utilizando el método de aprendizaje por contraste "leave-one-out". La técnica funciona eliminando una señal y reconstruyéndola a partir de las demás.

Predecir enfermedades con años de antelación

Para probar si el sueño por sí solo podía utilizarse para predecir enfermedades futuras, el equipo fusionó los historiales médicos de una única clínica con los datos del sueño. El resultado fue que SleepFM predijo 130 enfermedades, entre ellas la demencia, el cáncer, la enfermedad de Parkinson y el infarto de miocardio. El modelo alcanzó puntuaciones de índice C superiores a 0,8, lo que indica que predijo con exactitud las afecciones de los pacientes más de 8 de cada 10 veces.

Los investigadores trabajan ahora para mejorar el SleepFM e integrar los datos de los dispositivos portátiles.