Una nueva generación de inteligencia artificial aplicada al análisis del sueño está abriendo un horizonte inédito en la medicina preventiva. En una publicación difundida por la revista médica The Lancet, el cardiólogo y científico Eric Topol revisó junto con su colega James Zou, de la Universidad de Stanford, los alcances de SleepFM, un modelo de inteligencia artificial capaz de analizar en profundidad los datos generados durante el sueño y predecir el riesgo futuro de más de 130 enfermedades.
A diferencia de los dispositivos portátiles de consumo, que estiman parámetros a partir de señales indirectas como el movimiento corporal o la saturación de oxígeno, SleepFM trabaja con registros clínicos completos obtenidos mediante polisomnografía. Este estudio, considerado el estándar de referencia global, integra mediciones detalladas de la actividad cerebral, cardíaca, respiratoria y muscular durante al menos ocho horas continuas en entornos controlados.
El sistema fue entrenado con 585.000 horas de registros de sueño correspondientes a 65.000 personas, vinculados a historiales médicos electrónicos y datos demográficos. Esa enorme base permitió al modelo aprender patrones complejos sin depender de variables predefinidas. En palabras de James Zou, SleepFM está “aprendiendo el lenguaje del sueño”. Topol, por su parte, señaló que los datos nocturnos constituyen “una ventana a la salud y al riesgo de muchas enfermedades, decodificados por la IA”.
El principal desafío técnico consistió en procesar millones de datos generados por múltiples sensores y transformarlos en predicciones clínicamente útiles. SleepFM lo logra mediante técnicas de autoaprendizaje que identifican patrones latentes en las señales fisiológicas. Este enfoque, según lo publicado en The Lancet, incrementa tanto la sensibilidad como la especificidad en la estimación de riesgos médicos.
Los resultados fueron particularmente llamativos. El modelo logró anticipar riesgos futuros de enfermedades como Parkinson, demencia, cardiopatía hipertensiva, infarto de miocardio y diversos tipos de cáncer. Para evaluar la precisión, los investigadores utilizaron el índice de concordancia (índice C), que mide qué tan frecuentemente la predicción coincide con el desenlace real. SleepFM alcanzó valores de 0,89 para Parkinson, 0,85 para demencia, 0,84 para mortalidad general y 0,87 para cáncer de mama, cifras que reflejan una elevada capacidad predictiva.
Un aspecto clave fue el análisis conjunto de múltiples señales fisiológicas. Según explicó Emmanuel Mignot, profesor de medicina del sueño en Stanford y coautor de investigaciones previas sobre la tecnología, la mayor cantidad de información para predecir enfermedades se obtuvo al contrastar distintos canales, como los cerebrales, cardíacos y respiratorios.
Aunque los hallazgos son prometedores, los expertos advierten que todavía existen desafíos antes de su implementación clínica generalizada. James Zou reconoció que no se comprende completamente cómo la inteligencia artificial genera algunas de sus predicciones. La publicación en The Lancet subraya la necesidad de realizar estudios prospectivos y validaciones externas que garanticen la solidez y generalización del modelo.
El desarrollo de SleepFM representa un salto metodológico frente a sistemas anteriores que dependían de variables diseñadas manualmente y enfoques supervisados más limitados. Al utilizar modelos fundacionales capaces de aprender directamente del conjunto completo de señales fisiológicas, amplía el espectro de predicción y mejora la sensibilidad de los resultados.
De cara al futuro, el equipo explora trasladar los algoritmos desde la polisomnografía clínica hacia dispositivos portátiles, mediante técnicas de aprendizaje por transferencia y alineación de señales. Si se concreta, el análisis automatizado del sueño podría integrarse con otros biomarcadores, como perfiles de microbioma o relojes biológicos, construyendo modelos de salud sistémica más completos.
La meta final es que el sueño se consolide como un signo vital predictivo, tan relevante como la presión arterial o la frecuencia cardíaca. De lograrse, la inteligencia artificial aplicada al descanso nocturno podría permitir la detección temprana de enfermedades años antes de la aparición de síntomas visibles, transformando la prevención médica en una práctica cada vez más personalizada y anticipatoria.