 "Freepik")
Uma equipe de cientistas da Universidade de Stanford, liderada pelo especialista em dados biomédicos Rahul Thapa, apresentou um marco na medicina preditiva: o SleepFM. Publicado na revista Nature Medicine, o estudo revela que a inteligência artificial é capaz de “ler” o sono humano como uma janela para a saúde a longo prazo. Ao analisar simultaneamente ondas cerebrais, respiração e atividade cardíaca, a IA captura padrões coordenados que funcionam como indicadores de doenças futuras.
IA foi treinada com 585 mil horas de registros de polissonografia de 65 mil pacientes.
O sistema identifica discrepâncias entre a atividade cerebral e cardíaca que indicam estresses ocultos ou patologias em estágio inicial.
Modelo demonstrou alta precisão na previsão de infartos, insuficiência cardíaca e mortalidade geral.
Especialistas alertam que a ferramenta atua como sistema de alerta precoce e não substitui o diagnóstico médico clínico.
Leia também
Inteligência Artificial reduz tentativa e erro em tratamentos de reprodução assistida
OMS alerta: avanço da IA na saúde traz riscos à segurança de pacientes
Diferente de métodos tradicionais que focam apenas em distúrbios imediatos, como a apneia, o SleepFM cruza dados de polissonografia com registros eletrônicos de saúde de até 25 anos. Essa correlação permitiu ao modelo identificar o risco de 130 doenças com precisão de moderada a alta. O diferencial reside na capacidade da IA de detectar quando o eletroencefalograma (EEG) indica estabilidade, mas o coração apresenta um estado de “despertar” — uma dissonância que pode sinalizar o início de processos degenerativos.
Entre a estatística e a causalidade
Embora os resultados sejam promissores, a comunidade científica mantém o rigor sobre a interpretação dos dados. O modelo reconhece correlações estatísticas, mas não revela as causas biológicas diretas das doenças. “A IA auxilia os humanos, mas não os substitui”, afirma Matthias Jakobs, da Universidade Técnica de Dortmund. A ferramenta funciona como um filtro de alta performance, transformando horas de exames complexos em representações numéricas compactas que otimizam o tempo de análise médica.
“As medições rotineiras do sono abrem uma janela, antes subestimada, para a saúde humana a longo prazo.” — James Zou, cientista de dados de Stanford.
Atualmente, o desafio do SleepFM é a diversificação de sua base de dados. O treinamento foi realizado majoritariamente com pacientes de regiões ricas, o que sub-representa populações de áreas carentes ou indivíduos sem distúrbios de sono prévios. À medida que novos grupos globais são integrados, a expectativa é que a tecnologia se torne um sistema de alerta universal, permitindo intervenções preventivas muito antes que o Parkinson ou o Alzheimer manifestem seus primeiros sinais físicos.