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 de lenguaje como ChatGPT, para procesar una noche completa de sueño. Hasta la fecha, se trata de uno de los estudios más extensos, que analiza 1.011.192 horas de sueño. Los detalles de sus hallazgos se publicaron en la edición digital del 13 de marzo de la revista SLEEP.
El modelo, llamado parche transformador fundamental para el sueño (PFTSleep), analiza las ondas cerebrales, la actividad muscular, la frecuencia cardíaca y los patrones respiratorios para clasificar las etapas del sueño de manera más efectiva que los métodos tradicionales, agilizando el análisis del sueño, reduciendo la variabilidad y respaldando futuras herramientas clínicas para detectar trastornos del sueño y otros riesgos para la salud.
El análisis actual del sueño suele depender de expertos humanos que califican manualmente segmentos cortos de datos del sueño o utilizan modelos de IA que no son capaces de analizar la noche completa de sueño de un paciente. Este nuevo enfoque, desarrollado a partir de miles de grabaciones de sueño, ofrece una visión más completa. Al entrenarse con datos completos del sueño, el modelo puede reconocer patrones de sueño a lo largo de la noche y en diferentes poblaciones y entornos, lo que ofrece un método estandarizado y escalable para la investigación del sueño y el uso clínico, destacan los investigadores.
«Este es un gran avance en el análisis e interpretación del sueño asistidos por IA», afirmó el primer autor, Benjamin Fox, candidato a doctorado en la Escuela de Medicina Icahn del Monte Sinaí, en el Área de Formación en Inteligencia Artificial y Tecnologías Emergentes.
«Al aprovechar la IA de esta manera, podemos aprender características clínicas relevantes directamente de los datos de las señales de los estudios del sueño y utilizarlas para la evaluación del sueño y, en el futuro, para otras aplicaciones clínicas, como la detección de la apnea del sueño o la evaluación de los riesgos para la salud relacionados con la calidad del sueño», destacó.
El modelo se construyó utilizando un amplio conjunto de datos de estudios del sueño (polisomnogramas) que miden señales fisiológicas clave, como la actividad cerebral, el tono muscular, la frecuencia cardíaca y los patrones respiratorios. A diferencia de los modelos de IA tradicionales, que solo analizan segmentos cortos de 30 segundos, este nuevo modelo considera toda la noche de sueño, capturando 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 utilizar resultados etiquetados por humanos.
«Nuestros hallazgos sugieren que la IA podría transformar la forma en que estudiamos y comprendemos el sueño», afirmó el coautor principal correspondiente, el Dr. Ankit Parekh, profesor adjunto de Medicina (Neutral, Cuidados Intensivos y Medicina del Sueño) en la Escuela de Medicina Icahn del Monte Sinaí y director del Grupo de Análisis del Sueño y Circadiano del Monte Sinaí.
«Nuestro próximo objetivo es perfeccionar la tecnología para aplicaciones clínicas, como la identificación más eficiente de los riesgos para la salud relacionados con el sueño», destacó.
Los investigadores enfatizan que esta herramienta de IA, si bien prometedora, no reemplazará la experiencia clínica. En cambio, servirá como una poderosa herramienta para los especialistas del sueño, ayudando a agilizar y estandarizar el análisis del sueño. A continuación, la investigación del equipo busca expandir sus capacidades más allá de la clasificación de las etapas del sueño para detectar trastornos del sueño y predecir resultados de salud. Al analizar noches de sueño completas con mayor consistencia, los autores destacan el potencial de descubrir conocimientos más profundos sobre la salud del sueño y su conexión con el bienestar general.