Entre nos nossos canais do Telegram e WhatsApp para notícias em primeira mão.
Telegram: [link do Telegram] WhatsApp: [link do WhatsApp]
Uma única noite de sono mal dormida pode indicar mais do que cansaço no dia seguinte. Pesquisadores desenvolveram um programa de inteligência artificial capaz de prever o risco de doenças como demência, ataque cardíaco, derrame e câncer anos antes de um diagnóstico clínico, a partir de dados coletados durante apenas uma noite de sono.
O modelo, batizado de SleepFM, foi desenvolvido por cientistas da Universidade de Stanford e treinado com cerca de 585 mil horas de dados de sono de 65 mil participantes. As informações foram obtidas por meio de exames de polissonografia, método que registra ondas cerebrais, movimentos oculares, atividade muscular, batimentos cardíacos, respiração e níveis de oxigênio no sangue.
Os pesquisadores cruzaram os dados dos exames com registros eletrônicos de saúde dos participantes, alguns com histórico de até 25 anos, e constataram que o modelo conseguiu prever 130 diferentes doenças com grau considerado relevante de precisão.
Segundo o estudo, publicado na revista Nature Medicine, o desempenho do SleepFM foi especialmente elevado na previsão de cânceres, complicações na gravidez, doenças circulatórias e transtornos mentais. O sistema alcançou 89% de precisão na previsão do Parkinson, 85% para demência e 81% para ataques cardíacos. Também obteve bons resultados na previsão de câncer de mama e de próstata, com índices de 87% e 89%, respectivamente, além de 84% de precisão na estimativa do risco de morte.
De acordo com o autor do estudo, James Zou, o modelo funciona ao atribuir um índice estatístico — chamado C-index — para cada condição. “Para cada par possível de indivíduos, o sistema classifica quem tem maior probabilidade de sofrer um evento, como um ataque cardíaco, mais cedo”, explicou. Um C-index de 0,8, por exemplo, indica que a previsão coincide com o resultado real em 80% dos casos.
Os pesquisadores observaram ainda que diferentes sinais do sono fornecem pistas distintas sobre doenças. Dados cardíacos foram mais eficazes para prever problemas circulatórios, enquanto sinais de atividade cerebral se mostraram mais úteis na identificação de doenças mentais e neurológicas. Já os padrões respiratórios foram mais relevantes para distúrbios respiratórios. Ainda assim, a combinação de todos os sinais foi o que garantiu o melhor desempenho geral do modelo.
Apesar de a polissonografia ainda exigir equipamentos clínicos especializados, a equipe avalia que a tecnologia pode se tornar, no futuro, uma ferramenta importante para detecção precoce de doenças. Os pesquisadores também estudam a possibilidade de aprimorar o modelo com dados de dispositivos vestíveis, como relógios inteligentes.
