Miami, FL, viernes 16 de enero de 2026.
En una sola noche en un laboratorio del sueño, una IA puede estimar el riesgo de más de 130 enfermedades, desde párkinson y demencia hasta infartos y cáncer de mama.
Una nueva inteligencia artificial (IA) puede usar señales obtenidas en una sola noche para estimar el riesgo de sufrir unas 130 enfermedades, como el párkinson, la demencia, los infartos de miocardio y el cáncer de próstata y de mama.
Y puede hacerlo «años antes de que aparezcan los primeros síntomas», según el científico de datos de Stanford James Zou, uno de los autores del estudio, publicado en la revista Nature Medicine.
Su nombre es SleepFM y fue entrenada con cientos de miles de horas sobre la base de datos del sueño. Fue desarrollada por el equipo de Rahul Thapa, científico de datos biomédicos de la Universidad de Stanford.
Cómo la IA aprende a «leer» el sueño
La investigación y medición del sueño en el laboratorio se denomina polisomnografía.
El proceso implica registrar simultáneamente las ondas cerebrales, la actividad cardíaca, la respiración, la tensión muscular, así como los movimientos oculares y de las piernas de los participantes. Para SleepFM, el equipo utilizó aproximadamente 585.000 horas de unas 65.000 personas de varios grupos, principalmente del Centro de Medicina del Sueño de Stanford.
En un entrenamiento previo, la IA aprendió cómo las señales del cerebro, del corazón y de la respiración durante el sueño normal se coordinan entre ellas, una especie de lenguaje del sueño que el modelo registra estadísticamente.
De la señal del sueño diagnóstico de la enfermedad
Tras ese entrenamiento básico, SleepFM fue afinado para tareas como la detección de fases del sueño y el diagnóstico de la apnea del sueño, y se obtuvieron valores que pueden competir con métodos establecidos como U-Sleep o YASA. Estos dos programas usan datos de los electroencefalogramas (EEG), con los que se miden las ondas cerebrales, para reconocer y analizar los estadios del sueño.
De más de 1.000 categorías, el modelo identificó 130 enfermedades cuyo riesgo se pudo predecir con una precisión entre moderada y alta. Las predicciones fueron especialmente precisas para la demencia, el párkinson, el infarto de miocardio, la insuficiencia cardíaca, ciertos tipos de cáncer y la mortalidad general.
¿Qué tan confiables son los datos de laboratorio?
El modelo se basa principalmente en datos de laboratorios del sueño, es decir, de personas que suelen ser derivadas por problemas de sueño y que viven en regiones más ricas con acceso a medicina de alta tecnología.
También se está probando el modelo en un estudio independiente, pero las personas sin problemas de sueño o de regiones marginadas del mundo siguen estando subrepresentadas.
Oportunidades y limitaciones para el diagnóstico y la terapia
Los investigadores enfatizan explícitamente que SleepFM no descubre las causas de la enfermedad, sino que más bien establece correlaciones: reconoce patrones estadísticos en el sueño, que podrían estar relacionados con diagnósticos posteriores.
«La mayoría de los métodos de IA no aprenden relaciones causales», explica el científico informático Matthias Jakobs de la TU Dortmund, que investiga métodos de IA y aprendizaje automático para el análisis de datos del sueño y no participó en el estudio. Jakobs ve «potencial para diagnósticos y terapias, incluso si solo se utilizan correlaciones estadísticas», escribe el informático a DW.
La IA ayuda a los humanos, pero no los reemplaza
Modelos como SleepFM comprimen enormes cantidades de datos de polisomnografía en las llamadas incrustaciones, es decir, representaciones numéricas compactas que permiten un análisis más rápido y, a menudo, más preciso: «De este modo, se pueden anotar eficazmente las fases del sueño o las apneas, una tarea que, si se realiza manualmente, requiere mucho tiempo y es propensa a errores. Esto permite a los médicos dedicar más tiempo a sus pacientes”, afirma el informático Jakobs.
Buschjäger destaca que la colaboración interdisciplinaria es crucial: «Una IA puede estar bien entrenada para planificar la terapia, pero el humano, es decir, el médico, interpreta los resultados y elige la terapia, a menudo sin conocer todas las causas».
Esto significa que la IA sigue siendo una herramienta y un sistema de alerta temprana: la responsabilidad del diagnóstico y el tratamiento sigue recayendo sobre el personal médico.
(cp/ms)
Fuente: Alexander Freund, DW