Todos hemos vivido esa noche en la que apenas pegamos ojo y al día siguiente vamos arrastrando los pies. Pero los datos del sueño cuentan una historia mucho más larga. Un equipo de Stanford Medicine ha utilizado inteligencia artificial para mostrar que una sola noche conectados a un estudio del sueño puede anticipar el riesgo de más de cien enfermedades que podrían aparecer años después.
El modelo se llama SleepFM y se ha entrenado con casi seiscientas mil horas de registros de unas sesenta y cinco mil personas, obtenidos en varias clínicas mediante polisomnografía, la prueba completa que registra actividad cerebral, cardíaca, respiratoria y movimientos durante toda la noche. Según sus autores, es como tener ocho horas seguidas de fisiología de un cuerpo en reposo.
“Registramos una cantidad asombrosa de señales cuando estudiamos el sueño”, explica Emmanuel Mignot, referente de la clínica del sueño de Stanford. “Es una fuente de datos muy rica”. Con SleepFM, ese caudal deja de quedarse en informes técnicos para especialistas y se convierte en materia prima de un modelo capaz de aprender el “lenguaje del sueño”, en palabras del también investigador James Zou.
¿En qué consiste esa idea del lenguaje del sueño? El equipo troceó cada noche en fragmentos de cinco segundos, algo así como si convirtiera las curvas eléctricas del cerebro, el corazón o los pulmones en pequeñas palabras. El modelo aprende a relacionar esas “palabras” entre sí y entre las distintas señales que se registran al mismo tiempo.
Después de ese entrenamiento masivo, SleepFM recibe una noche completa y genera un perfil de riesgo de salud. Para comprobar si ese perfil tenía sentido, los investigadores lo cruzaron con años de historias clínicas electrónicas de más de treinta y cinco mil pacientes de la clínica del sueño de Stanford. Así pudieron ver quién desarrolló finalmente cada enfermedad y si el modelo lo había anticipado.
SleepFM analizó más de mil categorías diagnósticas y encontró ciento treinta para las que el riesgo se puede estimar con bastante precisión a partir de los datos del sueño. Entre ellas aparecen la mortalidad por cualquier causa, la demencia, la enfermedad de Parkinson, el infarto de miocardio, la insuficiencia cardíaca, la enfermedad renal crónica, el ictus o la fibrilación auricular, con niveles de acierto que se sitúan alrededor del ochenta por ciento en muchos casos.
Dicho de forma sencilla, si el modelo compara a dos personas y decide cuál tiene más probabilidades de sufrir antes un infarto o un ictus, acierta en torno a ocho de cada diez parejas para algunos de estos diagnósticos. No es un oráculo infalible, pero sí una señal temprana de que en esas ocho horas de sueño ya se dibujan patrones de riesgo que hoy pasan desapercibidos al ojo humano.
El propio equipo comprobó además que SleepFM iguala o supera a las herramientas más avanzadas para tareas clásicas de la medicina del sueño, como clasificar las distintas fases o estimar la gravedad de la apnea. Es decir, sirve tanto para lo que ya se hace en las unidades del sueño como para abrir una ventana al riesgo de enfermedades futuras.
Y aquí llega la pregunta clave. ¿Servirá esto para cambiar algo en el día a día de los pacientes? Los autores insisten en que se trata de una prueba de concepto. SleepFM se ha entrenado sobre todo con personas que ya tenían problemas de sueño, no con población general, y aún falta validarlo en otros hospitales y con dispositivos menos invasivos que una polisomnografía completa. Tampoco sustituye al criterio médico ni dice qué tratamiento aplicar, solo ordena mejor el riesgo.
Aun con estas cautelas, la medicina preventiva gana una herramienta prometedora. Identificar a tiempo a quienes tienen más papeletas de desarrollar una enfermedad permite ajustar antes tratamientos, vigilar más de cerca la salud cardiovascular y reforzar los consejos de vida saludable, desde la actividad física hasta la higiene del sueño. Menos ingresos, menos pruebas y menos desplazamientos al hospital también suelen traducirse en menos consumo de recursos y menos emisiones asociadas al sistema sanitario, algo que no conviene olvidar cuando hablamos de salud y sostenibilidad.
El estudio completo que describe SleepFM, titulado A multimodal sleep foundation model for disease prediction, se puede consultar en la revista Nature Medicine, y el comunicado oficial en la web de Stanford Medicine.
