Pesquisadores da Universidade de Stanford, na Califórnia, desenvolveram um modelo de inteligência artificial capaz de prever o risco de diversas doenças a partir da análise detalhada do sono. A ferramenta avalia sinais como atividade cerebral, frequência cardíaca, respiração e movimentos das pernas e dos olhos durante a noite.
- Dental Press e Surya Dental Participam do CIOSP 2026
- Conheça os livros disponíveis no acervo de publicações da Dental Press
Os resultados do estudo foram publicados recentemente na revista científica Nature. Para treinar o modelo, batizado de SleepFM, os cientistas utilizaram mais de 580 mil horas de dados de sono coletados entre 1999 e 2024, envolvendo cerca de 65 mil pacientes.
As informações foram obtidas em clínicas do sono — unidades médicas especializadas na avaliação de padrões do sono noturno — e organizadas em segmentos de cinco segundos. Esses fragmentos funcionaram como “palavras” usadas no treinamento de grandes modelos de linguagem (LLMs), tecnologia semelhante à empregada em sistemas avançados de IA generativa.
“O SleepFM está, essencialmente, aprendendo a linguagem do sono”, afirmou James Zou, professor associado de ciência de dados biomédicos em Stanford e coautor do estudo.
Além dos registros do sono, os pesquisadores integraram dados dos prontuários médicos dos pacientes, o que permitiu ao modelo prever o desenvolvimento de doenças ao longo do tempo. Segundo o estudo, o SleepFM alcançou uma taxa de acerto de pelo menos 80% na previsão de condições como doença de Parkinson, Alzheimer, demência, cardiopatia hipertensiva, infarto, câncer de próstata e câncer de mama. O modelo também previu corretamente a morte de pacientes em 84% dos casos analisados.
“Registramos uma quantidade impressionante de sinais de saúde quando estudamos o sono”, destacou Emmanuel Mignot, professor de medicina do sono em Stanford e um dos autores da pesquisa.
De acordo com os cientistas, a combinação de múltiplos sinais fisiológicos foi fundamental para aumentar a precisão das previsões. Um dos exemplos citados no estudo envolve sinais corporais dessincronizados — como quando o cérebro aparenta estar em repouso, mas o coração apresenta atividade elevada —, um padrão associado a possíveis problemas de saúde.
A universidade informou ainda que pretende, em uma próxima etapa, incorporar dados de dispositivos vestíveis, como relógios e pulseiras inteligentes, à base de dados do SleepFM. A expectativa é que essas informações ampliem ainda mais a capacidade preditiva do modelo.
