Investigación

Descifrando el insomnio: modelo de aprendizaje automático predice los trastornos del sueño a partir de los registros de los pacientes

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.

Por Equipo Ciencia y Salud 2 min de lectura

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.

Más en Investigación

Investigación

Un nuevo enfoque de atención de salud mental de precisión para la depresión aborda las necesidades únicas de los pacientes

En un estudio multiinstitucional de una década de duración, psicólogos de la Universidad de Alberta (U of A) colaboraron con la Universidad Radboud de los Países Bajos para desarrollar un enfoque de tratamiento preciso para la depresión que ofrece a los pacientes recomendaciones individualizadas basadas en múltiples características, como la edad y el sexo. Sus hallazgos se publicaron en la revista PLOS ONE.

23 Abr 2025 Investigación

Investigación

Un algoritmo detecta mutaciones ocultas en el ADN que podrían explicar enfermedades comunes

Investigadores del Hospital Infantil de Filadelfia (CHOP) y la Facultad de Medicina Perelman de la Universidad de Pensilvania (Penn Medicine) de Estados Unidos han empleado con éxito un algoritmo para identificar posibles mutaciones que aumentan el riesgo de enfermedades en las regiones no codificantes de nuestro ADN, que constituyen la gran mayoría del genoma humano.

23 Abr 2025 Investigación