Conjunto de datos de polisomnografía para el análisis del sueño en pacientes con ictus isquémico

Por qué el sueño tras un ictus merece atención

Mucha gente sabe que el sueño es importante, pero pocos se percatan de hasta qué punto influye en la capacidad del cerebro para recuperarse tras una lesión. Este estudio presenta iSLEEPS, una amplia colección nueva de registros nocturnos detallados de personas en recuperación de un ictus isquémico en India. Al poner estos datos a disposición de forma gratuita, los autores esperan acelerar los descubrimientos sobre cómo los problemas respiratorios durante el sueño afectan la recuperación del ictus y ayudar a los ingenieros a crear herramientas más inteligentes que puedan interpretar automáticamente las pruebas del sueño.

Ictus, respiración alterada y una pieza que faltaba

El ictus es una de las principales causas de discapacidad a largo plazo, y los problemas respiratorios durante el sueño —especialmente las pausas respiratorias llamadas apnea del sueño— son sorprendentemente frecuentes entre los supervivientes de ictus. Estas alteraciones respiratorias pueden duplicar el riesgo de otro ictus y se asocian con una peor recuperación en el funcionamiento cotidiano. Los médicos utilizan una prueba nocturna llamada polisomnografía, que registra las ondas cerebrales, la actividad ocular y muscular, el ritmo cardíaco, la respiración y los niveles de oxígeno, para diagnosticar estos problemas. Sin embargo, a pesar de su importancia, ha habido muy pocos grandes conjuntos de datos abiertos de este tipo procedentes de pacientes con ictus, especialmente de países no occidentales. Las bases de datos públicas existentes son pequeñas, se centran en personas sin ictus o carecen de las anotaciones detalladas necesarias para estudiar la interacción entre el sueño y el ictus.

Qué contiene la colección iSLEEPS

El conjunto de datos iSLEEPS cubre este vacío con 100 registros nocturnos de adultos que sufrieron un ictus isquémico en el mes previo, todos estudiados en un importante hospital de neurociencias en Bengaluru, India. Cada participante pasó una noche conectado a múltiples sensores que capturaron las ondas cerebrales, los movimientos oculares, el tono muscular, el ritmo cardíaco, el flujo de aire, el movimiento del tórax y el abdomen, los niveles de oxígeno, los sonidos de los ronquidos y la posición corporal. De media, cada estudio duró alrededor de ocho horas y, en conjunto, suman casi 800 horas de datos. Evaluadores entrenados, supervisados por un especialista en sueño, revisaron los registros en fragmentos de 30 segundos, etiquetando cuándo la persona estaba despierta, en sueño ligero, sueño profundo o sueño con sueños (REM), y marcando las pausas respiratorias, la respiración superficial, las caídas de oxígeno y las breves excitaciones (arousals).

Quiénes son los pacientes y cómo es su sueño

Los participantes representan una muestra realista de pacientes con ictus: no se excluyeron condiciones comunes como diabetes, enfermedad cardíaca u obesidad. La edad media es poco más de 50 años, con más hombres que mujeres, lo que refleja el mayor riesgo de apnea del sueño en hombres. El análisis de los registros muestra que los problemas respiratorios durante el sueño son generalizados en este grupo. Solo una pequeña minoría presenta una respiración normal, mientras que la mayoría se sitúa en categorías de apnea leve, moderada o severa según el número de alteraciones respiratorias por hora de sueño. El conjunto de datos contabiliza cuidadosamente los distintos tipos de eventos —como la apnea obstructiva, cuando se colapsa la vía aérea; la apnea central, cuando el cerebro deja temporalmente de enviar señales para respirar; y la hipopnea, una reducción parcial del flujo de aire— junto con la frecuencia de aparición en cada nivel de gravedad.

Probar los datos con algoritmos modernos

Para mostrar cómo se puede usar iSLEEPS, los investigadores entrenaron varios modelos modernos de aprendizaje profundo para asignar automáticamente las etapas del sueño a partir de canales individuales de señales cerebrales o de movimientos oculares. Compararon una red convolucional, una red de memoria a largo y corto plazo (LSTM) y un modelo basado en transformadores, cada uno diseñado para aprender patrones en datos temporales. Los algoritmos se entrenaron y evaluaron con cuidado para que los datos de un mismo paciente nunca aparecieran en más de un conjunto, y el rendimiento se comprobó usando validación cruzada repetida. Entre estos métodos, el modelo LSTM fue el que mejor rendimiento obtuvo, etiquetando correctamente las etapas del sueño en aproximadamente tres cuartas partes de los casos. No obstante, los resultados fueron notablemente inferiores a los que modelos similares alcanzan en voluntarios sanos, lo que subraya que el ictus altera el sueño de formas que los sistemas automáticos actuales aún no capturan completamente.

Abrir la puerta a una mejor atención

Al publicar iSLEEPS como un conjunto de datos abierto y bien documentado —completo con registros anonimados, anotaciones detalladas de eventos e información clínica básica— los autores ofrecen un recurso nuevo y potente para científicos, médicos e ingenieros. Los investigadores pueden usarlo para explorar cómo el sueño y la respiración alterados influyen en la recuperación del ictus, para comparar pacientes entre distintos países y para desarrollar y probar nuevos algoritmos que algún día puedan detectar automáticamente problemas respiratorios peligrosos, incluso fuera de laboratorios del sueño especializados. Para pacientes y familias, la promesa última de este trabajo es un diagnóstico más claro y un tratamiento más oportuno de los trastornos del sueño tras un ictus, con el potencial de mejorar tanto la recuperación como la calidad de vida.

Cita: Maiti, S., Sharma, S.K., Mythirayee, S. et al. Polysomnography Dataset for Sleep Analysis in Ischemic Stroke Patients. Sci Data 13, 421 (2026). https://doi.org/10.1038/s41597-026-06747-w

Palabras clave: ictus, apnea del sueño, polisomnografía, conjunto de datos del sueño, aprendizaje profundo