Modelo de IA podría predecir unas 130 enfermedades con datos de una sola noche de sueño

Modelo SleepFM y su entrenamiento

El modelo SleepFM ha sido entrenado con casi 600.000 horas de datos de sueño de unos 65.000 participantes, combinando señales cerebrales, cardíacas, musculares y respiratorias, recopiladas a través de la polisomnografía (PSG), el «estándar dorado» para el análisis del sueño, afirmaron los investigadores en el artículo.

Enfermedades detectadas y ventajas del modelo

La nueva herramienta podría identificar riesgos de padecer enfermedades con altas tasas de mortalidad como la demencia, el infarto de miocardio, la insuficiencia cardíaca, la enfermedad renal crónica, el accidente cerebrovascular y la fibrilación auricular.

«SleepFM produce representaciones latentes del sueño que capturan la estructura fisiológica y temporal del sueño y permiten una predicción precisa del riesgo de enfermedades futuras», explica el texto.

El estudio insiste en que la inteligencia artificial permite salvar los desafíos de analizar la cantidad de datos obtenidos de la polisomnografía.

«Desde una perspectiva de IA, el sueño está relativamente poco estudiado», indicó James Zou, PhD, profesor asociado de ciencia de datos biomédicos y coautor del estudio, en la web de la Facultad de Medicina de Stanford, uno de los centros académicos de élite estadounidenses, ubicado en California.

Perfecto. A partir de la nota que compartiste, puedo hacer un resumen de antecedentes y contexto general sobre este tema de investigación en inteligencia artificial aplicada al sueño y predicción de enfermedades. Esto ayuda a entender la relevancia del estudio antes de presentar la noticia completa:

Antecedentes Generales

1. Inteligencia Artificial en la medicina

   La inteligencia artificial (IA) se ha convertido en una herramienta clave para predecir enfermedades, mejorar diagnósticos y optimizar tratamientos. Su capacidad para procesar grandes volúmenes de datos permite detectar patrones que serían difíciles de identificar con métodos tradicionales.

2. Estudios del sueño y su relación con la salud

   El sueño ha sido reconocido como un indicador crítico de la salud general, ya que trastornos o alteraciones del sueño están asociados con enfermedades cardiovasculares, neurodegenerativas, metabólicas y renales. Sin embargo, analizar los datos de sueño a gran escala ha sido un desafío debido a la complejidad de las señales fisiológicas que se registran.

3. Polisomnografía: el estándar de análisis del sueño

   La polisomnografía (PSG) es el método más completo para estudiar el sueño. Recoge información de la actividad cerebral, cardíaca, muscular y respiratoria durante la noche, pero genera una enorme cantidad de datos, lo que limita su uso en estudios masivos o predicciones a nivel poblacional.

4. IA aplicada al sueño

   Hasta ahora, pocas investigaciones habían usado inteligencia artificial para analizar datos de sueño a gran escala. La integración de IA permite procesar miles de horas de datos, identificando patrones ocultos y prediciendo riesgos de enfermedades incluso antes de que se manifiesten síntomas clínicos.