La notizia in sintesi
- SleepFM analizza una notte di sonno per stimare rischi sanitari futuri.
- Il modello è stato addestrato su 585.000 ore di polisonnografie.
- Lo studio coinvolge Stanford Medicine e partner internazionali.
- L’IA non sostituisce diagnosi, ma amplia l’uso clinico dei dati del sonno.
(Riassunto generato con AI)
SleepFM interpreta i segnali del sonno
SleepFM, il sistema di intelligenza artificiale sviluppato da Stanford Medicine con collaboratori internazionali, usa i segnali raccolti durante una sola notte di sonno per stimare il rischio futuro di oltre 100 condizioni mediche. Lo studio, in pubblicazione il 6 gennaio su Nature Medicine, parte dalle polisonnografie effettuate nelle cliniche del sonno: esami notturni che registrano attività cerebrale, cuore, respirazione, movimenti oculari e muscolari. L’obiettivo è valorizzare dati fisiologici già disponibili, andando oltre la sola diagnosi dei disturbi del sonno.
Il modello è stato addestrato su circa 585.000 ore di registrazioni appartenenti a 65.000 persone. Per i ricercatori, questa scala consente di individuare relazioni tra parametri corporei che nella pratica clinica ordinaria restano in gran parte inesplorati. Emmanual Mignot, coautore senior, ha definito la polisonnografia una fonte estremamente ricca di dati fisiologici raccolti per circa otto ore consecutive.
Dati clinici e risultati della ricerca
La polisonnografia è considerata il riferimento per valutare il sonno e viene normalmente eseguita in laboratorio. SleepFM ha elaborato flussi diversi di informazioni, tra cui segnali cerebrali, ritmi cardiaci, attività muscolare, pulsazioni e flusso d’aria respiratorio, suddividendo ogni registrazione in segmenti di cinque secondi. James Zou, coautore senior, ha spiegato che il sistema apprende una sorta di linguaggio del sonno, armonizzando segnali biologici di natura differente.
Nel primo confronto con test standard, il modello ha eguagliato o superato sistemi già utilizzati per riconoscere le fasi del sonno e la gravità dell’apnea notturna. Successivamente, i ricercatori hanno collegato gli esami ai dati sanitari di lungo periodo disponibili presso lo Stanford Sleep Medicine Center, fondato nel 1970 dal compianto William Dement. Il gruppo principale comprendeva circa 35.000 pazienti, di età compresa fra 2 e 96 anni, sottoposti a esami dal 1999 al 2024.
Incrociando polisonnografie e cartelle cliniche elettroniche, seguite in alcuni casi fino a 25 anni, l’algoritmo ha valutato oltre 1.000 categorie di malattie e ne ha individuate 130 prevedibili con ragionevole accuratezza dai soli dati del sonno. Le prestazioni più elevate hanno riguardato tumori, complicanze della gravidanza, patologie circolatorie e disturbi di salute mentale. Il C-index, indicatore della capacità di ordinare correttamente il rischio fra due persone, ha superato 0,8 per diversi esiti.
Un possibile uso futuro, con cautele
I risultati più alti hanno riguardato malattia di Parkinson e tumore della prostata, entrambi con C-index di 0,89, seguiti da tumore al seno a 0,87, demenza a 0,85 e morte a 0,84. Il dato più rilevante non è una diagnosi automatica, ma la possibilità di ricavare segnali predittivi da esami già esistenti. I ricercatori stanno ora lavorando per rendere le previsioni più interpretabili e per valutare l’integrazione futura con dispositivi indossabili.
Secondo Mignot, le informazioni più utili emergono dal confronto fra canali diversi: un cervello apparentemente addormentato e un cuore che mantiene segnali di veglia potrebbero indicare una condizione di disallineamento fisiologico. Rahul Thapa e Magnus Ruud Kjaer sono coautori principali dello studio, realizzato anche con Technical University of Denmark, Harvard Medical School e altri centri. La validazione clinica resta quindi il passaggio decisivo prima di un eventuale impiego assistenziale esteso.
FAQ
Che cos’è SleepFM?
Sì, è un modello di intelligenza artificiale che analizza segnali di polisonnografia per stimare rischi sanitari futuri da una notte di sonno.
Quanti dati ha analizzato il modello?
Sì, l’addestramento ha utilizzato circa 585.000 ore di registrazioni del sonno provenienti da 65.000 persone valutate nelle cliniche specialistiche.
Quali malattie ha previsto meglio?
Sì, i risultati più elevati hanno incluso Parkinson e tumore della prostata, con C-index di 0,89, oltre a demenza, infarto e tumore al seno.
SleepFM sostituisce una diagnosi medica?
No, lo studio descrive una capacità predittiva basata sui dati del sonno; non indica che il sistema possa sostituire valutazioni, diagnosi o decisioni cliniche.
Come è stata verificata questa ricostruzione?
Sì, il contenuto nasce da un’analisi approfondita e da una verifica incrociata della nostra Redazione su numerose fonti, tra cui ScienceDaily.
