Non dormire bene non solo provoca stanchezza il giorno successivo, ma può anche fornire indizi sulle malattie che potrebbero svilupparsi negli anni successivi. I ricercatori di Stanford Medicine hanno creato un modello di intelligenza artificiale, SleepFM, in grado di utilizzare i dati fisiologici raccolti durante una sola notte di sonno per stimare il rischio di oltre 100 condizioni di salute. Il modello è stato allenato su quasi 600mila ore di dati di sonno raccolti da 65mila partecipanti, usando la polisomnografia, il test più completo per monitorare il sonno che registra attività cerebrale, cardiaca, respiratoria, movimenti degli arti e degli occhi. “Quando studiamo il sonno raccogliamo una quantità straordinaria di segnali fisiologici – spiega Emmanuel Mignot, professore di Medicina del Sonno -. È una fisiologia completa, registrata per otto ore in un soggetto completamente monitorato. I dati sono incredibilmente ricchi”.
Imparare il linguaggio del sonno
Per interpretare questo tesoro di dati, i ricercatori hanno creato un foundation model, una tipologia di AI capace di auto-allenarsi su grandi quantità di informazioni e applicare ciò che ha imparato a diversi compiti. I dati di SleepFM, divisi in intervalli di cinque secondi, sono stati trattati come “parole” analoghe a quelle usate dai grandi modelli linguistici come ChatGPT. “SleepFM sta essenzialmente imparando il linguaggio del sonno”, afferma James Zou, coautore dello studio. Il modello integra segnali diversi – elettroencefalografia, elettrocardiografia, elettromiografia, flusso respiratorio – per capire come interagiscono tra loro, usando una tecnica chiamata leave-one-out contrastive learning per rendere l’analisi ancora più precisa.
Prevedere il rischio futuro di malattie
SleepFM è stato testato su analisi standard del sonno e diagnosi di apnea notturna, ottenendo risultati pari o migliori dei modelli più avanzati attualmente disponibili. La vera novità, però, è la capacità di prevedere l’insorgenza futura di malattie. Grazie all’accesso a oltre mezzo secolo di cartelle cliniche del Stanford Sleep Medicine Center, i ricercatori hanno collegato i dati polisomnografici agli esiti di salute dei partecipanti. La coorte più ampia comprendeva 35mila pazienti, con età compresa tra 2 e 96 anni, monitorati tra il 1999 e il 2024, con fino a 25 anni di follow-up. SleepFM ha analizzato più di mille categorie di malattie, individuandone 130 prevedibili con buona accuratezza, tra cui cancro, complicanze in gravidanza, malattie circolatorie e disturbi mentali. Il modello ha raggiunto un C-index superiore a 0,8, parametro che misura la capacità predittiva. Le malattie previste con maggiore precisione includono Parkinson (0,89), demenza (0,85), cardiopatia ipertensiva (0,84), infarto (0,81), cancro alla prostata (0,89), cancro al seno (0,87) e mortalità (0,84).
Verso la medicina predittiva basata sul sonno
I ricercatori stanno lavorando per integrare dati da dispositivi indossabili e per interpretare meglio le previsioni di SleepFM. Anche se il modello non spiega le sue decisioni in linguaggio umano, tecniche avanzate consentono di capire quali segnali vengono considerati più rilevanti. “La combinazione di tutti i dati è ciò che permette le previsioni più accurate – afferma Mignot -. Per esempio, un cervello che sembra dormire mentre il cuore appare sveglio può essere un segnale di rischio”. Lo studio rappresenta un passo importante verso una medicina predittiva personalizzata, in grado di identificare precocemente chi è a rischio di malattie croniche o gravi e aprire la strada a interventi mirati.
Iscriviti alla Newsletter di Sanità Informazione per rimanere sempre aggiornato
