Investigadores de Stanford ensinaram uma IA a “aprender a linguagem do sono” para prever se doentes correm risco de desenvolver mais de 100 patologias.
Um novo modelo de inteligência artificial (IA) consegue indicar se uma pessoa está em risco de desenvolver mais de 100 problemas de saúde, com base na qualidade do seu sono.
O SleepFM, um modelo de linguagem de grande dimensão (LLM) desenvolvido por investigadores da Universidade de Stanford, na Califórnia, analisa a atividade cerebral, a frequência cardíaca, os sinais respiratórios, os movimentos das pernas e dos olhos durante o sono para avaliar o risco de doença.
Num novo estudo publicado na Nature, os investigadores treinaram o modelo de IA com mais de 580.000 horas de dados de sono recolhidos de 65.000 doentes entre 1999 e 2024.
Os dados provinham de clínicas do sono, unidades médicas que avaliam padrões de sono durante a noite, e foram divididos em segmentos de cinco segundos, que funcionaram como palavras para treinar os LLM.
“O SleepFM está, no essencial, a aprender a linguagem do sono”, disse James Zou, professor associado de ciência de dados biomédicos em Stanford e coautor do estudo.
Os investigadores complementaram estes dados com os registos de saúde individuais dos doentes das clínicas do sono, para treinar o SleepFM a prever doenças futuras.
O modelo de IA acertou em pelo menos 80% das vezes ao prever se um doente iria desenvolver doença de Parkinson, doença de Alzheimer, demência, cardiopatia hipertensiva, enfarte, cancro da próstata e cancro da mama. Previu também corretamente a morte de doentes em 84% dos casos.
Foi menos preciso a prever casos de doença renal crónica, AVC e arritmia, um ritmo cardíaco irregular, que detetou em pelo menos 78% dos casos.
“Registamos um número impressionante de sinais de saúde quando estudamos o sono”, disse Emmanuel Mignot, professor de medicina do sono em Stanford. “É uma espécie de fisiologia geral que estudamos durante oito horas num indivíduo completamente imobilizado. É muito rico em dados”.
Os autores do estudo referem que a combinação de todos os dados ajudou o modelo a alcançar as previsões mais precisas. Por exemplo, sinais corporais dessincronizados, como um cérebro que parece adormecido mas um coração que parece acordado, eram sinal de problemas.
Stanford indicou que irá acrescentar, numa fase seguinte, dados de dispositivos "wearables" à base de dados do SleepFM, para melhorar ainda mais as previsões do modelo.
Os investigadores notaram também que o estudo incluiu apenas pessoas que já suspeitavam de problemas de saúde por participarem em ensaios em clínicas do sono, o que significa que a amostra não é representativa da capacidade da IA para detetar doença na população em geral.