Sinais ocultos no sono revelam riscos de 130 doenças

SleepFM, um novo modelo de inteligência artificial, usa dados de atividade cerebral, cardíaca, muscular e respiratória durante o sono para calcular probabilidade das condições de saúde

O estudo aponta que distúrbios do sono se apresentam não só como sintoma de alguma patologia, mas como indicadores precoces e contribuintes diretos para algumas condições de saúde - (crédito: Slaapwijsheid.nl/Unsplash)

Um novo modelo feito com inteligência artificial é capaz de detectar riscos de mais de 100 problemas de saúde utilizando dados sobre o sono. O estudo, publicado na revista Nature Medicine, ressalta a importância de um sono de qualidade e aponta que distúrbios do sono se apresentam não só como sintoma de alguma patologia, mas como indicadores precoces e contribuintes diretos para algumas condições de saúde. 

O SleepFM utiliza um modelo de aprendizado de máquina para prever o risco de 130 doenças, entre elas demência, doença de Parkinson e insuficiência cardíaca. Para treinar o modelo, cientistas utilizaram 585 mil horas de dados de sono de 65 mil pacientes. Os dados foram obtidos por polissonografia, um exame que monitorar diversas funções do corpo durante o sono do paciente, usado para diagnósticos de distúrbios como apneia e sonambulismo. 

No treinamento, o SleepFM usou dados de atividade cerebral, cardíaca, muscular e respiratória para entender como essas funções se relacionam entre si. “Um dos avanços técnicos que fizemos neste trabalho foi descobrir como harmonizar todas essas diferentes modalidades de dados para que elas possam se unir e aprender a mesma linguagem”, explica o coautor sênior do estudo, James Zou, da Universidade de Stanford.

“A informação mais relevante que obtivemos para prever doenças veio da comparação entre os diferentes canais. Componentes do corpo que estavam dessincronizados — um cérebro que parece adormecido, mas um coração que parece desperto, por exemplo — pareciam indicar problemas”, explica Emmanuel Mignot, também coautor sênior, de Stanford. 

A partir desses sinais corporais, o dispositivo foi capaz de identificar padrões de sono de cada paciente, invisíveis ao olho humano e indicadores de condições de saúde. O próximo passo foi comparar com o histórico dos pacientes. Para isso, ele teve acesso a registros de pacientes acompanhados ao longo de anos. Boa parte deles, 35 mil, passaram por polissonografias entre 1999 e 2024. 

Entre as mais mil doenças analisadas, o SleepFM identificou 130 que podem ser previstas com probabilidade razoável a partir dos dados do sono. Algumas das condições mais prováveis, acima de 0,8  índice de concordância, foram demência senil, Alzheimer, diabetes Tipo 2 com complicações circulatórias, câncer de próstata e câncer de mama.

“Registramos uma quantidade incrível de sinais quando estudamos o sono”, aponta Mignot. "É um tipo de fisiologia geral que estudamos durante oito horas em um indivíduo completamente imobilizado. É uma fonte de dados muito rica." Para os cientistas, os dados da polissonografia ainda são pouco explorados, e a IA pode trazer novas utilidades para os registros. 

Por Gabriella Braz

postado em 07/01/2026 17:29