IA usa una notte di sonno per stimare il rischio di oltre 100 malattie

Roma – I segnali fisiologici registrati durante una singola notte di sonno possono contenere informazioni utili a stimare il rischio futuro di numerose malattie. È quanto emerge da uno studio pubblicato su Nature Medicine da ricercatori della Stanford Medicine, che hanno sviluppato un modello di intelligenza artificiale in grado di analizzare esami di polisonnografia e associarli all’insorgenza successiva di patologie anche a distanza di anni. Il modello, chiamato SleepFM, è stato addestrato su circa 585 mila ore di registrazioni del sonno raccolte da oltre 65 mila persone sottoposte a esami clinici in laboratorio. I dati includono attività cerebrale, cardiaca, respiratoria, movimenti oculari e muscolari. Incrociando queste informazioni con cartelle cliniche contenenti fino a 25 anni di follow-up, i ricercatori hanno valutato la capacità del sistema di anticipare l’insorgenza di malattie. “Registriamo un numero enorme di segnali quando studiamo il sonno – spiega Emmanuel Mignot, professore di medicina del sonno alla Stanford University e coautore senior dello studio – ed è una fisiologia generale osservata per molte ore consecutive. Questo rende il sonno una fonte di dati particolarmente ricca”. Dopo l’addestramento, SleepFM è stato testato sia su compiti clinici standard, come la classificazione delle fasi del sonno e la valutazione dell’apnea notturna, sia su un obiettivo più ambizioso: prevedere l’insorgenza futura di malattie. Il modello ha mostrato una capacità predittiva significativa per 130 condizioni, tra cui malattie cardiovascolari, disturbi neurologici, tumori e patologie psichiatriche. “In termini di intelligenza artificiale, il sonno è stato finora poco esplorato – spiega James Zou, professore associato di biomedical data science alla Stanford University e coautore senior – nonostante rappresenti una parte fondamentale della vita e dello stato fisiologico di una persona”. Secondo gli autori, la forza del modello non risiede in un singolo segnale, ma nella combinazione di più canali fisiologici. “Le previsioni più accurate emergono quando si mettono a confronto simultaneamente cervello, cuore e respirazione”, osserva Mignot. Lo studio non propone l’uso immediato del modello in ambito clinico, ma suggerisce che i dati del sonno potrebbero diventare uno strumento utile per studiare i legami tra fisiologia notturna e salute a lungo termine. (30Science.com)