Uma única noite de sono mal dormida pode indicar mais do que cansaço no dia seguinte. Pesquisadores da Universidade de Stanford desenvolveram um programa de inteligência artificial, denominado SleepFM, que tem a capacidade de prever o risco de doenças como demência, ataque cardíaco, derrame e câncer anos antes de um diagnóstico clínico, utilizando dados coletados durante apenas uma noite de sono.

O modelo foi treinado com aproximadamente 585 mil horas de dados de sono de 65 mil participantes, obtidos por meio de exames de polissonografia. Esse método registra ondas cerebrais, movimentos oculares, atividade muscular, batimentos cardíacos, respiração e níveis de oxigênio no sangue. Os pesquisadores cruzaram essas informações com registros eletrônicos de saúde dos participantes, alguns com histórico de até 25 anos, e descobriram que o modelo conseguiu prever 130 diferentes doenças com um grau de precisão considerado relevante.

O estudo, publicado na revista Nature Medicine, destaca que o desempenho do SleepFM foi particularmente elevado na previsão de cânceres, complicações na gravidez, doenças circulatórias e transtornos mentais. O sistema alcançou 89% de precisão na previsão de Parkinson, 85% para demência e 81% para ataques cardíacos. Também obteve resultados significativos na previsão de câncer de mama e próstata, com índices de 87% e 89%, respectivamente, além de 84% de precisão na estimativa do risco de morte.

James Zou, autor do estudo, explicou que o modelo atribui um índice estatístico, conhecido como C-index, a cada condição. Esse índice permite classificar a probabilidade de um indivíduo sofrer um evento, como um ataque cardíaco, mais cedo. Um C-index de 0,8, por exemplo, indica que a previsão coincide com o resultado real em 80% dos casos.

Os pesquisadores também observaram que diferentes sinais do sono fornecem pistas distintas sobre doenças. Dados cardíacos mostraram-se mais eficazes na previsão de problemas circulatórios, enquanto sinais de atividade cerebral foram mais úteis na identificação de doenças mentais e neurológicas. Padrões respiratórios, por sua vez, foram mais relevantes para distúrbios respiratórios. A combinação de todos esses sinais resultou no melhor desempenho geral do modelo.

Embora a polissonografia ainda exija equipamentos clínicos especializados, a equipe acredita que a tecnologia pode se tornar uma ferramenta importante para a detecção precoce de doenças no futuro. Os pesquisadores estão explorando a possibilidade de aprimorar o modelo com dados de dispositivos vestíveis, como relógios inteligentes.