Tecnologia inovadora usa inteligência artificial para detectar doenças durante o sono, incluindo câncer e enfermidades cardíacas

Uma recente evolução na área de inteligência artificial (IA) possibilita avaliar o risco de desenvolvimento de cerca de 130 doenças, como Parkinson, Alzheimer, patologias cardiovasculares e alguns tipos de câncer, com base apenas em uma única noite de monitoramento do sono. Essa abordagem é capaz de identificar esses perigos com anos de antecedência em relação ao surgimento de sintomas clínicos, conforme explica o especialista James Zou, da Universidade de Stanford, que liderou o estudo divulgado na revista Nature Medicine.

O sistema, batizado de SleepFM, foi desenvolvido através do treinamento com uma extensa base de dados de registros de sono, totalizando centenas de milhares de horas. Rahul Thapa, cientista biomédico da mesma instituição, conduziu a equipe responsável pela elaboração do projeto.

Para capacitar a IA a interpretar os sinais durante as fases do sono, a equipe utilizou aproximadamente 585.000 horas de polissonografias — exames que monitoram ondas cerebrais, ritmo cardíaco, respiração, tônus muscular, além de movimentos oculares e das pernas — de cerca de 65.000 indivíduos de diferentes origens, predominantemente do Centro de Medicina do Sono de Stanford.

Durante o processo de treinamento, a inteligência artificial aprendeu a relacionar estatisticamente os sinais cerebrais, cardíacos e respiratórios, criando uma espécie de linguagem codificada que representa esses padrões. Após essa fase, ela foi aprimorada para tarefas específicas, como identificar os estágios do sono e detectar apneias, apresentando níveis de precisão similares às abordagens convencionais, como U-Sleep e Yasa, que utilizam eletroencefalogramas (EEG) para analisar a atividade cerebral.

Posteriormente, os pesquisadores cruzaram os dados do sono com históricos médicos de até 25 anos, buscando verificar se uma única noite de registro poderia indicar possíveis doenças futuras. Os resultados mostraram que o modelo conseguiu identificar com sucesso o risco de diversas patologias — incluindo mais de mil categorias — com uma margem de acerto que variou de moderada a alta. Thapa ressaltou que essas descobertas abrem caminho para que avaliações rotineiras do sono possam fornecer uma visão antecipada da saúde a longo prazo.

O estudo revelou que as previsões mais precisas ocorreram para doenças neurodegenerativas, como Alzheimer e Parkinson, além de problemas cardiovasculares, infartos, alguns cânceres e risco de mortalidade geral. Sebastian Buschjäger, especialista em sono da Universidade Técnica de Dortmund, que não participou do estudo, comentou que “qualquer sistema de IA pode ser treinado para várias previsões, contanto que haja uma base de dados suficiente”.

Os sinais cardíacos demonstraram grande importância na previsão de enfermidades do sistema cardiovascular, enquanto os sinais cerebrais se mostraram mais decisivos para identificar doenças neurológicas e psiquiátricas. A combinação de diferentes indicadores revelou-se particularmente eficiente, como quando o EEG indica uma fase de sono tranquila, mas o ritmo cardíaco aponta sinais de estresse ou atividade anormal, potencialmente indicando processos patológicos antes mesmo de qualquer sintoma aparente.

Embora as correlações detectadas pelo sistema sejam estatísticas, os autores do estudo afirmam que é fundamental que especialistas validem essas conexões para estabelecer relações causais. O SleepFM foi treinado principalmente com dados de populações que vivem em regiões economicamente favorecidas e acessam centros de saúde de alta qualidade. Contudo, testes independentes incluem grupos mais diversos, incluindo aqueles com acesso limitado a cuidados médicos.

Os pesquisadores reforçam que a tecnologia não consegue determinar as causas das doenças, apenas indicar possíveis associações com base nos padrões de sono detectados. Matthias Jakobs, da Universidade Técnica de Dortmund, explica que a ferramenta utiliza técnicas de aprendizagem de máquina (ML) para reconhecer padrões em grandes volumes de dados, possibilitando previsões eficientes sem necessidade de regras específicas programadas. Mesmo assim, ele acredita no potencial de aplicações diagnósticas e terapêuticas, explorando principalmente as correlações estatísticas.

Modelos como o SleepFM transformam vastas informações de polissonografias em representações numéricas conhecidas como “embeddings”, que facilitam análises rápidas e precisas. Essa automação permite identificar fases do sono e episódios de apneia de forma eficiente, reduzindo a carga de trabalho dos profissionais, minimizando erros e liberando mais tempo para o atendimento direto aos pacientes.

Por outro lado, a inteligência artificial deve atuar sempre como uma ferramenta de suporte, não como substituta na rotina clínica. Sebastian Buschjäger destaca que a colaboração multidisciplinar é essencial, pois os profissionais interpretam os resultados e tomam decisões terapêuticas. Assim, a responsabilidade pelo diagnóstico e pelo tratamento deve permanecer sob a equipe médica, que também deve explorar os mecanismos biológicos subjacentes às mudanças observadas, contribuindo para o avanço na compreensão das doenças.

Quando padrões específicos de sono estiverem consistentemente associados a determinadas condições, eles poderão indicar alterações precoces nos sistemas nervoso, cardiovascular ou imunológico, oferecendo pistas para a saúde geral de indivíduos, inclusive em populações atualmente subrepresentadas em pesquisas laboratoriais.