Investigadores de la Escuela de Medicina Icahn han desarrollado una potente herramienta de IA basada en la misma arquitectura de transformadores que utilizan grandes modelos lingüísticos como ChatGPT para procesar una noche entera de sueño. Hasta la fecha, se trata de uno de los mayores estudios, ya que analiza 1.011.192 horas de sueño. El modelo, denominado Patch-Foundational-Transformer for Sleep (PFTSleep), analiza las ondas cerebrales, la actividad muscular, la frecuencia cardiaca y los patrones respiratorios para clasificar las etapas del sueño con más eficacia que los métodos convencionales, optimizar el análisis del sueño, reducir la variabilidad y respaldar futuras herramientas clínicas para detectar trastornos del sueño y otros riesgos para la salud. Los detalles de sus hallazgos se han publicado en la edición electrónica de la revista «Sleep».

Posibles áreas de aplicación de la IA

La inteligencia artificial puede contribuir significativamente al campo de la medicina del sueño. La IA en el campo del sueño tiene aplicaciones potenciales en tres áreas clave:

• Aplicaciones clínicas: En el ámbito clínico, las tecnologías impulsadas por la IA proporcionan un análisis exhaustivo de los datos, un sofisticado reconocimiento de patrones y la automatización en el diagnóstico, al tiempo que abordan problemas crónicos como los trastornos respiratorios relacionados con el sueño. A pesar de sus modestos comienzos, el uso de la IA puede conducir a mejoras en la eficiencia y el acceso de los pacientes, lo que puede ayudar a reducir el agotamiento entre los profesionales sanitarios.
• Gestión del estilo de vida: La integración de la IA también ofrece claros beneficios para la gestión del estilo de vida a través del uso de la tecnología del sueño del consumidor. Estos dispositivos se presentan en una variedad de formas, como rastreadores de fitness, aplicaciones para teléfonos inteligentes y anillos inteligentes, y ayudan a mejorar la salud del sueño mediante el seguimiento, la evaluación y la mejora del sueño. La tecnología portátil del sueño y las recomendaciones de estilo de vida basadas en datos pueden ayudar a los pacientes a asumir un papel activo en la gestión de su salud, como lo demuestra una encuesta reciente de la AASM en la que el 68% de los adultos que han utilizado un dispositivo de seguimiento del sueño informaron de un cambio de comportamiento basado en la información obtenida. Sin embargo, a medida que estas aplicaciones impulsadas por la IA se vuelven cada vez más intuitivas, el diálogo continuo entre pacientes y médicos sobre el potencial y las limitaciones de estas innovaciones sigue siendo fundamental.
• Salud de la población: Más allá del ámbito de la atención individual, la tecnología de IA está abriendo un nuevo enfoque de la salud pública en lo que respecta al sueño. La IA tiene el interesante potencial de sintetizar datos ambientales, conductuales y fisiológicos, contribuyendo a intervenciones informadas a nivel de población y abordando las lagunas existentes en la atención sanitaria.

Una novedosa técnica optimiza la puntuación del sueño y respalda futuras herramientas clínicas para detectar trastornos del sueño y otros riesgos para la salud

La puntuación actual del sueño depende a menudo de expertos humanos que evalúan manualmente segmentos cortos de datos del sueño, o de modelos de inteligencia artificial que no son capaces de analizar la noche completa de un paciente. Este nuevo enfoque, desarrollado a partir de miles de grabaciones del sueño, ofrece una visión más completa. El modelo, entrenado con datos de sueño completos, puede detectar patrones de sueño durante toda la noche y en diferentes poblaciones y entornos, lo que proporciona un método estandarizado y escalable para la investigación del sueño y el uso clínico, afirman los investigadores. «Se trata de un paso adelante en la puntuación e interpretación del sueño con IA», afirma el primer autor, Benjamin Fox, estudiante de doctorado de la Facultad de Medicina Icahn de Mount Sinai en el Programa de Formación en Inteligencia Artificial y Tecnologías Emergentes. Utilizando la IA de esta forma se pueden inferir directamente características clínicas relevantes a partir de los datos de la señal del estudio del sueño para su uso en la puntuación del sueño y, en el futuro, en otras aplicaciones clínicas como la detección de la apnea del sueño o la evaluación de riesgos para la salud relacionados con la calidad del sueño».

El modelo se entrenó con un gran conjunto de datos de estudios del sueño (polisomnogramas), que miden señales fisiológicas clave como la actividad cerebral, el tono muscular, la frecuencia cardiaca y los patrones respiratorios. A diferencia de los modelos de IA convencionales, que analizan sólo segmentos cortos de 30 segundos, este nuevo modelo tiene en cuenta toda la noche de sueño, captando patrones más detallados y matizados. Además, el modelo se entrena mediante un método conocido como autosupervisión, que ayuda a aprender características clínicas relevantes a partir de señales fisiológicas sin necesidad de etiquetado humano de los resultados. «Nuestros hallazgos sugieren que la IA podría transformar la forma en que evaluamos y entendemos el sueño», dice el coautor principal correspondiente Ankit Parekh, PhD, profesor asistente de medicina (pulmonar, cuidados críticos y medicina del sueño) en la Escuela de Medicina Icahn en Mount Sinai y director del Grupo de Análisis Circadiano y del Sueño en Mount Sinai. »

El próximo objetivo de los investigadores es perfeccionar la tecnología para aplicaciones clínicas, por ejemplo, para identificar de forma más eficiente los riesgos para la salud relacionados con el sueño. Los investigadores subrayan que, aunque esta herramienta de IA es prometedora, no puede sustituir a la experiencia clínica. En cambio, está diseñada para servir de potente ayuda a los especialistas del sueño y contribuir a acelerar y estandarizar el análisis del sueño. A continuación, el equipo planea orientar su investigación hacia la ampliación de las capacidades más allá de la clasificación de las etapas del sueño para la detección de trastornos del sueño y la predicción de resultados de salud.