SleepFM tu dormi e l'IA predice le malattie

Altro che file al pronto soccorso, medici che non rispondono e liste d’attesa per esami impossibili da effettuare; le cose stanno per cambiare e bisogna rendersene conto.

La ricerca sull’intelligenza artificiale sta andando avanti a una velocità talmente folle che non ci sono esempi recenti altrettanto impressionanti; inoltre accade senza che il passo appena compiuto renda obsolete le ricerche che lo hanno prodotto ma anzi consentendo che il data base globale con cui l’intelligenza artificiale viene addestrata ai nuovi compiti, si arricchisca sempre di più ampliando la base dei dati disponibili e raffinando la risposta.

Un ulteriore passo avanti in questo senso lo hanno compiuto gli scienziati di Stanford Medicine e i loro colleghi hanno che hanno creato il primo modello di intelligenza artificiale in grado di prevedere più di 100 condizioni di salute in una sola notte di sonno.

Insomma per capire a cosa andremo incontro e come staremo, basterà farsi una bella dormita, specchiarsi la mattina e fare la pipì in un bagno pubblico?

SleepFM: l'IA che Rivoluziona la Previsione delle Malattie dal Sonno

Una notte di sonno scarso non preannuncia solo una giornata con gli occhi assonnati, ma potrebbe segnalare rischi di malattie che si manifesteranno anni dopo. SleepFM, un innovativo modello di intelligenza artificiale sviluppato da Stanford Medicine e pubblicato su Nature Medicine il 6 gennaio 2026, utilizza registrazioni polisonnografiche (PSG) per prevedere oltre 100 condizioni di salute. Addestrato su quasi 600.000 ore di dati da oltre 65.000 partecipanti, questo strumento trasforma la PSG – lo standard d'oro per gli studi sul sonno, con sensori che monitorano attività cerebrale, cardiaca, respiratoria, movimenti delle gambe e degli occhi – in una miniera di informazioni fisiologiche.

"Registriamo un numero incredibile di segnali quando studiamo il sonno", spiega Emmanuel Mignot, MD, PhD, Craig Reynolds Professor in Medicina del Sonno e co-autore senior dello studio. "È una fisiologia generale osservata per otto ore su un soggetto immobile, ricca di dati". Finora, solo una frazione di questi è stata sfruttata; con l'IA, SleepFM è il primo modello a analizzarli su larga scala. "Dal punto di vista dell'IA, il sonno è poco studiato rispetto a patologia o cardiologia, nonostante la sua centralità nella vita", aggiunge James Zou, PhD, professore associato di data science biomedica e co-autore senior.

L'Innovazione della Sincronia Fisiologica

SleepFM eccelle nel captare interazioni tra sistemi corporei, rivelando "sincronie fisiologiche" come biomarcatori precoci di patologie. L'IA identifica segnali asincroni – ad esempio, un cervello in sonno profondo con un cuore in ritmo da veglia o stress – che sfuggono all'analisi umana di tracciati isolati. "La maggior parte delle informazioni per prevedere le malattie deriva dal confronto tra canali", nota Mignot. "Componenti corporei fuori sincronia segnalano problemi sistemici".

Architettura Multimodale e Addestramento

Come modello di fondazione multimodale, SleepFM integra elettroencefalogramma (EEG), elettrocardiogramma (ECG), elettromiografia (EMG) e flussi respiratori. I dati, suddivisi in segmenti di cinque secondi simili a "parole" nei large language model, provengono da cliniche del sonno, incrociati con cartelle cliniche fino a 25 anni di follow-up. La più grande coorte – 35.000 pazienti dal 1999 al 2024, età 2-96 anni – deriva dal Stanford Sleep Medicine Center, fondato nel 1970 da William Dement, padre della medicina del sonno.

L'addestramento impiega l'algoritmo LOO-CL (leave-one-out contrastive learning), che nasconde una modalità di dati sfidando il modello a ricostruirla dalle altre. "SleepFM impara il linguaggio del sonno, armonizzando modalità diverse", dice Zou. Questo lo rende flessibile anche con sensori mancanti o diversi, superando test standard come classificazione delle fasi del sonno e gravità dell'apnea notturna.

Prestazioni Predittive Eccezionali

Valutato con il C-index (indice di concordanza, dove 1.0 è perfetto), SleepFM prevede l'insorgenza di 130 malattie con accuratezza elevata (>0,8 per molte). Risultati chiave su orizzonti pluriennali:

Condizione C-index

Morbo di Parkinson 0,89

Demenza 0,85

Mortalità generale 0,84

Cardiopatie ipertensive 0,84

Infarto 0,81

Cancro alla prostata 0,89

Cancro al seno 0,87

"Siamo sorpresi dalla capacità del modello di prevedere condizioni variegate", commenta Zou. Anche previsioni a 0,7 C-index, come risposte a trattamenti oncologici, hanno valore clinico.

Prospettive Future e Interpretazione

Il team lavora per interpretare SleepFM – "usiamo tecniche per decifrare cosa guarda", dice Zou – notando che combinazioni multimodali battono segnali singoli (es. cardiaci per cuore, cerebrali per mente). L'obiettivo è rendere accessibile il metodo adattandolo a dispositivi indossabili come smartwatch, per medicina preventiva di massa.

Mignot e Zou fanno parte dell'Istituto di Neuroscienze Wu Tsai. Co-autori principali: Rahul Thapa (dottorando Knight-Hennessy) e Magnus Ruud Kjaer (Technical University of Denmark). Contributi da Università Tecnica di Danimarca, Ospedale Universitario di Copenaghen, BioSerenity, Università di Copenaghen e Harvard Medical School. Finanziamenti: NIH (R01HL161253), Knight-Hennessy Scholars, Chan-Zuckerberg Biohub.

Stanford Medicine integra Stanford School of Medicine e sistemi sanitari per ricerca, educazione e cure.

Andrea Tirotto