Nova geração de inteligência artificial aplicada à análise de sonhando abre oportunidades sem precedentes para a previsão e prevenção de doenças graves.
Em publicação publicada em revista médica A Lanceta, cardiologistas e cientistas Eric Topol seus colegas assistiram juntos James Zouo Universidade de Stanford, a área de SleepFM, um modelo de inteligência artificial capaz decodificar a quantidade de dados físicos obtidos durante a polissonografia e prevê o risco de mais de 130 problemas de saúdeincluindo doenças cardíacas, câncer e distúrbios neurológicos.
Ao contrário dos dispositivos vestíveis tradicionais, que estimam parâmetros a partir de sinais indiretos, como atividade ou saturação de oxigênio, SleepFM analisa o cérebro, o coração, a respiração e outros sistemas fisiológicos direta e detalhadamente disponíveis em clínicas privadas. Dependendo do trabalho, este sistema permite crie um perfil de saúde preditivo a partir de milhões de dados gerados durante uma única noite de sono.
A equipe de pesquisa enfatiza que o SleepFM não depende de variáveis predefinidas, mas aprende padrões complexos por meio de autoaprendizagem.
James Zou, autor do estudo original conduzido por Universidade de Stanforddisse: “SleepFM aprende a linguagem do sono.” Enquanto isso, Topol observou em uma postagem em sua conta X: “Os dados do sono são uma janela para a saúde e o risco de muitas doenças, alimentados pela IA.”
SleepFM foi treinado em 585.000 horas de gravações de polissonografia de 65.000 pessoasvinculados a registros médicos eletrônicos e dados demográficos. A polissonografia clínica – considerada o padrão de referência global – envolve a medição da atividade cerebral, cardíaca, respiratória e muscular durante oito horas contínuas em ambiente controlado.
Ao contrário dos dispositivos domésticos vestíveis, que sintetizam informações fisiológicas noturnas em métricas resumidas menos confiáveis, o SleepFM Usando sinais fisiológicos ricos para criar uma representação detalhada do sono e sua relação com a saúde futura.
Conforme publicado A Lanceta, Esta abordagem aumenta a sensibilidade e a especificidade da previsão de riscos para a saúde.
Processar os milhões de dados gerados por muitos sensores e integrá-los em previsões confiáveis é um dos maiores desafios técnicos. SleepFM supera esse obstáculo usando um método de autoaprendizagem, que Isso permite identificar padrões ocultos nos dados e aumentar a precisão de suas estimativas.
O modelo foi capaz de determinar o risco de 130 doenças no futuro, incluindo Parkinson, demência, doença cardíaca hipertensiva, infarto do miocárdio e diversos tipos de câncer.de acordo com a pesquisa.
Para medir a precisão do SleepFM, os pesquisadores usaram o índice de concordância (índice C): um valor de 0,8 indica que a previsão da IA corresponde ao resultado real em 80% das vezes.
SleepFM atingiu 0,89 para doença de Parkinson, 0,85 para demência, 0,84 para morte e 0,87 para câncer de mama.
A análise conjunta do cérebro, coração e sistemas respiratórios melhora o desempenho do modelo. Emmanuel Mignot é professor de medicina do sono na Universidade de Stanforde um dos coautores do estudo anterior da mesma tecnologia e das descobertas observou: “Obtivemos mais informações para prever a doença contrastando os diferentes canais”.
Embora os resultados sejam promissores,A aplicação clínica desta tecnologia enfrenta desafios associados. James Zou admite que ainda não está totalmente compreendido como a IA faz as suas previsões. A conclusão publicada no The Lancet alerta que, Antes de introduzir o SleepFM na prática clínica de rotina, são necessários estudos externos e validação. para garantir validade e generalização.
O jornal destaca isso A fisiologia noturna pode refletir muitos sistemas e comorbidadesreforça o sono como uma janela para a saúde. A confirmação da relação entre a polissonografia e os resultados de saúde a longo prazo pode acelerar o desenvolvimento de sistemas de estratificação de risco.
Avanços anteriores na inteligência artificial aplicada ao sono, como os desenvolvidos pela Stanford Medicine, já demonstraram a importância da análise de registros fisiológicos durante a noite para antecipar situações críticas.
De acordo com pesquisas anteriores, o sistema anterior utilizava dados médicos tradicionais e estudos observacionais, conseguindo prever riscos como câncer, complicações cardíacas e patologias mentais. No entanto, estes métodos são limitados pela sua dependência de variáveis manuais e pela sua incapacidade de integrar grandes quantidades de dados de múltiplos canais.
SleepFM representa uma intervenção metodológica, eliminando completamente a engenharia manual e faça um modelo básico que possa aprender diretamente com todos os sinais físicos. Este procedimento, verificado por A Lancetaampliando o espectro preditivo e melhorando a sensibilidade dos resultados.
Uma equipe internacional de pesquisadores está explorando a transferência do algoritmo SleepFM da polissonografia clínica para dispositivos vestíveis, usando correspondência de sinais e técnicas de aprendizagem por transferência.
Se isso acontecer, A integração dos dados do sono com outros biomarcadores – como perfis de microbioma ou relógios biológicos – pode fornecer um modelo de saúde mais abrangente.conforme publicado em A Lanceta.
O objetivo é analisar automaticamente o sono com IA como indicador de saúde tão básicos quanto os sinais vitais normais, permitindo a detecção precoce e o monitoramento de riscos específicos, mesmo antes do aparecimento de sintomas visíveis.
