Un modelo de aprendizaje automático puede predecir eficazmente el riesgo de un paciente de sufrir un trastorno del sueño utilizando datos demográficos y de estilo de vida, resultados de exámenes físicos y valores de laboratorio, según un nuevo estudio publicado esta semana en la revista de acceso abierto PLOS ONE.

El trabajo fue realizado por Samuel Y. Huang de la Facultad de Medicina de la Virginia Commonwealth University y por Alexander A. Huang de la Facultad de Medicina de la Universidad Northwestern Feinberg, en Estados Unidos.

La prevalencia de los trastornos del sueño diagnosticados entre los pacientes estadounidenses ha aumentado significativamente durante la última década. Según los especialistas es importante comprender mejor esta tendencia y revertirla, ya que los trastornos del sueño son un factor de riesgo importante para la diabetes, las enfermedades cardíacas, la obesidad y la depresión.

En el nuevo trabajo, los investigadores utilizaron el modelo de aprendizaje automático XGBoost para analizar datos disponibles públicamente sobre 7929 pacientes en los Estados Unidos que completaron la Encuesta Nacional de Examen de Salud y Nutrición. Los datos contenían 684 variables para cada paciente, incluidas respuestas a cuestionarios demográficos, dietéticos, de ejercicio y de salud mental, así como información de laboratorio y exámenes físicos.

En general, 2302 pacientes del estudio tenían un diagnóstico médico de un trastorno del sueño. XGBoost pudo predecir el riesgo de diagnóstico de trastornos del sueño con gran precisión (AUROC=0,87, sensibilidad=0,74, especificidad=0,77), utilizando 64 de las variables totales incluidas en el conjunto de datos completo. Los mayores predictores de un trastorno del sueño, según el modelo de aprendizaje automático, fueron la depresión, el peso, la edad y la circunferencia de la cintura.

Los autores concluyen que los métodos de aprendizaje automático pueden ser los primeros pasos efectivos en la detección de pacientes con riesgo de trastornos del sueño sin depender del juicio o sesgo del médico.

«Lo que distingue a este estudio sobre los factores de riesgo del insomnio de otros es ver no solo que los síntomas depresivos, la edad, el consumo de cafeína, los antecedentes de insuficiencia cardíaca congestiva, el dolor de pecho, la enfermedad de las arterias coronarias, la enfermedad hepática y 57 otras variables están asociadas con el insomnio, pero también visualizando la contribución de cada una en un modelo muy predictivo», destacó Samuel Y. Huang.