Un modelo fundamental multimodal del sueño para la predicción de enfermedades

Por qué una noche de sueño puede revelar tu salud futura

Cuando te acuestas en una clínica conectado a monitores, esas líneas onduladas en la pantalla registran mucho más que ronquidos o piernas inquietas. Este estudio muestra que una noche de registro detallado del sueño puede funcionar como una bola de cristal para la salud futura. Al entrenar un potente sistema de inteligencia artificial con cientos de miles de horas de datos de sueño, los investigadores encontraron que la forma en que dormimos contiene pistas ocultas sobre riesgos de demencia, enfermedades cardíacas, problemas renales, cáncer e incluso muerte prematura, años antes de que aparezcan estas dolencias.

Escuchar al cuerpo durante el sueño

Los laboratorios del sueño usan una prueba llamada polisomnografía, en la que sensores en el cuero cabelludo, la cara, el pecho y las piernas registran ondas cerebrales, movimientos oculares, latido cardíaco, respiración y actividad muscular a lo largo de la noche. Estas pruebas se consideran el estándar de referencia para entender el sueño, pero generan flujos de datos enormes y complejos que son difíciles de interpretar completamente para los expertos humanos. La mayoría de investigaciones previas se han centrado en un problema a la vez —como la apnea o la narcolepsia— y a menudo dependieron de un marcado manual laborioso. Como resultado, la historia más profunda oculta en la mezcla completa de señales ha quedado en gran medida sin explotar.

Enseñar a una IA a comprender el lenguaje del sueño

Los autores construyeron un “modelo fundamental” llamado SleepFM, tomando ideas de los grandes modelos de lenguaje que aprenden a partir de enormes cantidades de texto. En lugar de palabras y oraciones, SleepFM aprende a partir de señales de sueño crudas. Se entrenó con más de 585.000 horas de registros nocturnos de más de 65.000 personas, recogidos en varios centros del sueño y estudios poblacionales. El modelo procesa fragmentos cortos de cinco segundos de actividad cerebral, cardíaca, respiratoria y muscular, y luego los combina mediante redes neuronales basadas en atención que pueden adaptarse a diferentes configuraciones de sensores en distintos hospitales. Durante el entrenamiento, se enseña a alinear la información entre estos tipos de señales, aprendiendo una representación interna compartida de cómo es el sueño sano y el no sano, sin necesidad de etiquetas humanas.

De una noche a muchos diagnósticos posibles

Una vez entrenado, las “huellas digitales” internas del sueño de SleepFM se vincularon a registros electrónicos de salud para ver si podían predecir enfermedades posteriores. Los investigadores examinaron más de 1.000 afecciones y preguntaron, para cada paciente, si un solo estudio nocturno podía predecir quién desarrollaría una enfermedad años después. SleepFM predijo con precisión 130 diagnósticos distintos con alta fiabilidad, incluyendo mortalidad por cualquier causa, demencia, insuficiencia cardíaca, accidente cerebrovascular, enfermedad renal crónica y varios cánceres. Para algunas condiciones, como la enfermedad de Parkinson, la demencia y problemas cardíacos graves, su rendimiento se acercó o superó al de herramientas especializadas basadas en escáneres cerebrales o registros cardíacos.

Cómo las señales del sueño se relacionan con el cerebro, el corazón y más

Al observar qué partes de la noche y qué sensores eran más importantes, el equipo encontró patrones con sentido biológico. Las señales de ondas cerebrales y movimiento ocular fueron especialmente útiles para predecir trastornos neurológicos y mentales, en consonancia con la evidencia de que cambios en el sueño profundo y en el sueño REM suelen preceder al Alzheimer y al Parkinson. Las señales de respiración y oxígeno fueron más informativas para afecciones respiratorias y metabólicas, mientras que los trazados del ritmo cardíaco tuvieron mayor peso para enfermedades circulatorias como la insuficiencia cardíaca y el ictus. Aunque cada tipo de señal aportó algo, las mejores predicciones provinieron de su combinación, lo que sugiere que muchas enfermedades dejan huellas sutiles a lo largo de todo el cuerpo durante el sueño.

Resultados robustos entre clínicas y a lo largo del tiempo

Para comprobar si SleepFM funcionaría fuera de sus instituciones de origen, los investigadores lo aplicaron a un estudio independiente de más de 6.000 adultos mayores que se había reservado fuera del entrenamiento inicial. Con solo un ajuste ligero adicional, el modelo siguió prediciendo con alta precisión resultados críticos como ictus, muerte cardiovascular e insuficiencia cardíaca congestiva. También mantuvo un buen rendimiento en pacientes más recientes cuyo sueño se registró años después de los datos de entrenamiento originales, lo que sugiere que los patrones de sueño aprendidos son lo bastante estables como para manejar cambios reales en la práctica clínica y en las poblaciones.

Qué podría significar esto para la atención diaria

Para no especialistas, la conclusión es que el sueño no es solo un síntoma de enfermedad: es una ventana rica y mensurable hacia la salud a largo plazo del organismo. SleepFM demuestra que un único estudio nocturno puede ayudar a señalar quién tiene mayor riesgo de enfermedades graves mucho antes de que aparezcan los síntomas, superando a modelos que se basan solo en edad, sexo, peso y otros rasgos básicos. Aunque se necesita más trabajo para generalizar más allá de los pacientes de clínicas del sueño y para explicar sus predicciones caso por caso, este enfoque apunta a un futuro en el que el análisis inteligente del sueño —potencialmente incluso desde dispositivos domésticos— pueda convertirse en una herramienta de rutina, no invasiva, para la alerta temprana y la monitorización continua de la salud.

Cita: Thapa, R., Kjaer, M.R., He, B. et al. A multimodal sleep foundation model for disease prediction. Nat Med 32, 752–762 (2026). https://doi.org/10.1038/s41591-025-04133-4

Palabras clave: sueño y riesgo de enfermedad, polisomnografía, modelos fundamentales en medicina, predicción de demencia y enfermedades cardíacas, monitorización de la salud durante el sueño