Una sola notte di sonno potrebbe contenere informazioni utili a stimare il rischio futuro di sviluppare decine di malattie, dai tumori alle patologie cardiovascolari. È quanto suggerisce uno studio condotto presso la Stanford University, che ha sviluppato SleepFM, un modello di intelligenza artificiale capace di analizzare i dati fisiologici raccolti durante il sonno e collegarli agli esiti di salute nel tempo. Non si tratta di uno strumento diagnostico, ma di un modello statistico che individua associazioni e stima probabilità di rischio, ancora lontano da un’applicazione clinica diretta.
Analizzando le registrazioni fisiologiche di una sola notte di sonno, SleepFM sarebbe capace di stimare il rischio di oltre 100 diverse condizioni di salute, aprendo nuove prospettive sulla prevenzione e sulla comprensione dei fattori di rischio individuali. Non a caso, un editoriale pubblicato su The Lancet dopo lo studio si è interrogato su cosa potrebbe significare tutto questo per il futuro della medicina: dall’uso dei dispositivi indossabili allo sviluppo di nuovi modi di interpretare i dati del sonno. Proviamo quindi a capire cosa emerge da questa ricerca e quali scenari potrebbe aprire.
IL SONNO, UNA MINIERA DI DATI CLINICI
Il sonno è uno stato fisiologico in cui cervello, cuore e respirazione interagiscono continuamente. Questa interazione è misurabile e il sonno, quindi, rappresenta un’importante fonte di informazioni cliniche. Attualmente, tuttavia, solo una piccola parte di queste informazioni viene utilizzata in ricerca e medicina e l’importanza del sonno viene spesso sottovalutata, come abbiamo analizzato in questo articolo sul rapporto tra sonno e cancro. Con i progressi dell’intelligenza artificiale, però, è diventato possibile analizzare una quantità molto maggiore di dati e di trovare correlazioni significative tra di essi.
La polisonnografia (PSG), soprattutto quando eseguita in centri dedicati, rappresenta la tecnica di elezione negli studi sul sonno che monitorano i pazienti durante la notte. La PSG utilizza diversi sensori per registrare attività cerebrale, attività cardiaca, segnali respiratori, movimenti delle gambe, movimenti oculari e altro ancora. Registrando tutti questi dati, permette di definire le fasi del sonno e diagnosticare disturbi come l’apnea ostruttiva del sonno. E, proprio perché raccoglie molte informazioni contemporaneamente, la PSG potrebbe rappresentare una miniera d’oro di dati fisiologici ancora poco sfruttata.
IL RUOLO DELL’INTELLIGENZA ARTIFICIALE
Lo studio pubblicato su Nature è il primo a utilizzare l’intelligenza artificiale per analizzare dati sul sonno su una scala così ampia. Il modello AI chiamato SleepFM è stato in grado di integrare diversi flussi di dati, ad esempio elettroencefalografia, elettrocardiografia, elettromiografia, pulsazioni e flusso respiratorio, e di capire come questi segnali si relazionano tra loro.
In primo luogo, gli autori dello studio hanno testato SleepFM su attività standard di analisi del sonno, come classificare le fasi del sonno o diagnosticare la gravità delle apnee notturne, ottenendo risultati pari o superiori ai modelli più avanzati utilizzati oggi. Successivamente, i ricercatori hanno affrontato un obiettivo più ambizioso: prevedere l’insorgenza futura di malattie a partire dai dati registrati durante il sonno.
Per farlo, hanno collegato i dati di polisonnografia di quasi 600.000 ore di sonno, raccolti da 65.000 persone, con gli esiti sanitari a lungo termine dei partecipanti allo studio. SleepFM ha analizzato oltre 1.000 categorie di malattie presenti nelle cartelle cliniche e ne ha individuate 130 prevedibili con buona accuratezza a partire dai dati del sonno. Le previsioni erano particolarmente robuste per alcuni tumori (soprattutto seno e prostata), complicanze della gravidanza, malattie cardiocircolatorie e disturbi neurologici.
DISPOSITIVI INDOSSABILI E RACCOLTA DEI DATI
Il team di Stanford sta lavorando per migliorare ulteriormente le previsioni di SleepFM e per estendere lo studio del sonno anche ai dispositivi indossabili, sempre più diffusi. Questi strumenti registrano movimenti, variazioni del volume di sangue e altri parametri fisiologici, permettendo di stimare frequenza cardiaca, saturazione di ossigeno, russamento, temperatura cutanea e le diverse fasi del sonno.
Nati soprattutto per il monitoraggio domiciliare dell’apnea notturna, negli ultimi anni i dati raccolti dai cosiddetti wearable sono stati utilizzati anche per addestrare modelli di intelligenza artificiale in grado di prevedere caratteristiche metaboliche e cardiovascolari. I risultati di SleepFM suggeriscono, però, che la fisiologia notturna potrebbe contenere molte più informazioni sullo stato di salute.
Non a caso, un recente editoriale pubblicato su The Lancet ha sottolineato come gran parte dei dati raccolti tramite polisonnografia nel mondo resti ancora poco analizzata. Invece, standardizzare raccolta e utilizzo di queste informazioni potrebbe rafforzare ulteriormente le correlazioni individuate da strumenti come SleepFM.
UNA FINESTRA NOTTURNA SULLA SALUTE
Al momento siamo, quindi, nelle fasi iniziali di uno studio più approfondito del sonno e di tutte le variabili fisiologiche misurabili mentre dormiamo. In futuro, l’integrazione dei dati sul sonno con altre fonti di informazione - come biomarcatori, genomica, microbiota - potrebbe contribuire a costruire modelli ancora più completi per una valutazione sistemica della salute.
Va sottolineato, tuttavia, che questo tipo di modelli non fornisce diagnosi certe, ma stima il rischio futuro di sviluppare alcune condizioni sulla base di probabilità statistiche. L’obiettivo di questi strumenti potrebbe, quindi, essere soprattutto quello di stratificare il rischio, individuando chi potrebbe beneficiare di approfondimenti clinici.
Al momento, il modello presenta limiti importanti, tra cui possibili bias nei dati e la necessità di validazione prospettica, per cui i risultati non devono essere considerati come certezze diagnostiche ma più come degli indicatori. Tuttavia, lo studio ha il merito di aver riacceso i riflettori sullo studio del sonno che, se utilizzato con attenzione, potrebbe essere candidato a diventare il prossimo parametro misurato di routine in medicina, come una sorta di finestra notturna sulla salute. In questo contesto, l’intelligenza artificiale potrà aiutare a interpretare la ricchezza di tutti i dati fisiologici a nostra disposizione.
