IA de Stanford revoluciona diagnóstico médico ao prever doenças a partir do sono
Uma única noite de sono, muitas vezes associada apenas ao cansaço do dia seguinte, pode conter informações valiosas sobre a saúde futura de uma pessoa. Pesquisadores do **Stanford Medicine** desenvolveram um sistema de inteligência artificial, chamado **SleepFM**, capaz de analisar os sinais fisiológicos captados durante uma noite de sono e estimar o risco de desenvolvimento de mais de **100 condições médicas diferentes**, algumas delas graves e com manifestação anos adiante.
A riqueza de dados na polissonografia
O **SleepFM** foi treinado com um volume impressionante de dados, acumulando quase **600 mil horas de registros de sono** de aproximadamente 65 mil indivíduos. Esses dados foram obtidos através da **polissonografia**, um exame detalhado que monitora uma ampla gama de atividades corporais durante o sono, incluindo atividade cerebral, função cardíaca, padrões respiratórios, movimentos oculares e de membros, além de outros sinais físicos. Tradicionalmente utilizada para diagnosticar distúrbios do sono, a polissonografia, segundo os pesquisadores, captura uma quantidade de informações fisiológicas que frequentemente são negligenciadas na prática clínica.
Emmanuel Mignot, MD, PhD, professor e coautor sênior do estudo, destaca a abundância de dados: “Registramos um número impressionante de sinais durante o estudo do sono. Estamos analisando uma espécie de fisiologia geral por oito horas, sob condições controladas, com dados extremamente ricos.”. Essa riqueza de informações é a base para o avanço da **inteligência artificial na medicina**.
Treinando a IA na “linguagem do sono”
Para extrair o máximo potencial desses dados, a equipe de Stanford desenvolveu um modelo de base de IA. Esse modelo foi projetado para aprender padrões amplos em grandes conjuntos de dados e aplicar esse conhecimento em diversas tarefas, de forma análoga aos grandes modelos de linguagem como o ChatGPT, que aprendem com textos. O **SleepFM**, por sua vez, foi treinado com os **585 mil horas de dados de polissonografia**, onde cada registro foi segmentado em blocos de cinco segundos, funcionando como “palavras” em um idioma.
“O SleepFM está, essencialmente, aprendendo a linguagem do sono”, explica James Zou, PhD, professor associado de ciência de dados biomédicos e coautor sênior do estudo. O sistema integra múltiplos fluxos de informações, como sinais cerebrais, ritmos cardíacos, atividade muscular, medições de pulso e fluxo de ar, para compreender como esses sinais interagem.
Um método de treinamento inovador, chamado “aprendizado contrastivo leave-one-out”, foi empregado. Essa técnica remove um tipo de sinal por vez, desafiando o modelo a reconstruí-lo a partir dos dados restantes, garantindo uma compreensão profunda das interconexões fisiológicas. Essa abordagem permite que a **IA compreenda as complexidades do corpo humano durante o repouso**.
Previsões de doenças futuras com alta precisão
Após o treinamento, o **SleepFM** foi adaptado para tarefas específicas. Inicialmente, o modelo foi testado em avaliações padrão de sono, como a identificação de estágios do sono e a avaliação da gravidade da apneia do sono, obtendo resultados comparáveis ou até superiores aos modelos atualmente em uso. No entanto, o objetivo mais ambicioso era verificar se os dados do sono poderiam prever doenças futuras.
Para isso, os registros de polissonografia foram associados a desfechos de saúde de longo prazo dos mesmos indivíduos. Utilizando décadas de registros médicos de uma clínica do sono, com dados de aproximadamente **35 mil pacientes** cujos estudos foram realizados entre 1999 e 2024, e com acompanhamento eletrônico por até 25 anos, os pesquisadores combinaram essas informações.
Com essa base de dados robusta, o **SleepFM** analisou mais de 1.000 categorias de doenças. A **inteligência artificial de Stanford** identificou **130 condições** que podiam ser previstas com precisão razoável utilizando apenas os dados do sono. Os resultados mais notáveis foram observados para **cânceres, complicações na gravidez, doenças circulatórias e transtornos mentais**, com índices de previsão superiores a 0,8.
Desempenho e implicações médicas da IA
O desempenho do modelo é medido pelo índice de concordância (C-index), que avalia a capacidade de classificar indivíduos por risco. Um C-index de 0,8, por exemplo, indica que o modelo acerta em 80% das vezes ao prever qual de dois indivíduos experienciará um evento de saúde primeiro. O **SleepFM** demonstrou um desempenho excepcional em prever casos de **Parkinson (C-index de 0,89)**, **demência (0,85)**, doenças cardíacas hipertensivas (0,84), ataques cardíacos (0,81), câncer de próstata (0,89), câncer de mama (0,87) e até mesmo risco de morte (0,84).
James Zou ressalta a importância desses resultados: “Esses resultados demonstram a capacidade do modelo de fornecer previsões informativas para um conjunto diversificado de condições”. Ele ainda aponta que modelos com C-index em torno de 0,7 já são considerados úteis na prática médica, como na previsão da resposta de pacientes a tratamentos contra o câncer. A **aplicação da IA na medicina** abre novas fronteiras para a prevenção e o diagnóstico precoce.
O futuro com a IA: compreendendo as previsões
Os pesquisadores continuam a aprimorar o **SleepFM** e a buscar uma compreensão mais profunda de como o sistema chega às suas conclusões. Futuras versões do sistema poderão incorporar dados de dispositivos vestíveis, expandindo o leque de sinais fisiológicos analisados. Diversas técnicas de interpretação foram desenvolvidas para identificar os elementos que o modelo utiliza ao fazer uma previsão específica.
Descobriu-se, por exemplo, que sinais cardíacos são mais relevantes na previsão de doenças cardiovasculares, enquanto sinais cerebrais são cruciais para transtornos mentais. Contudo, os resultados mais precisos surgiram da combinação de todos os tipos de dados. “A maior quantidade de informação para a previsão de doenças surgiu ao contrastar os diferentes canais de dados”, afirma Mignot. Ele acrescenta que discrepâncias, como um cérebro demonstrando sinais de sono enquanto o coração aparenta estar ativo, podem ser indicativos de problemas iminentes.
Este estudo inovador contou com a colaboração de pesquisadores de diversas instituições e foi financiado por órgãos como o National Institutes of Health, além de contribuições de instituições privadas, consolidando um avanço significativo na aplicação da **inteligência artificial para a medicina do sono** e para a saúde preventiva em geral.
Deixe um comentário