Un modello di base multimodale del sonno per la previsione delle malattie

Perché una notte di sonno può rivelare la tua salute futura

Quando vai a dormire in una clinica collegata ai monitor, quelle linee contorte sullo schermo catturano molto più del russare o delle gambe irrequiete. Questo studio dimostra che una notte di registrazione dettagliata del sonno può funzionare come una sfera di cristallo per la salute futura. Addestrando un potente sistema di intelligenza artificiale su centinaia di migliaia di ore di dati sul sonno, i ricercatori hanno scoperto che il modo in cui dormiamo contiene indizi nascosti sui rischi di demenza, malattie cardiache, problemi renali, cancro e perfino morte precoce—anni prima che queste malattie compaiano.

Ascoltare il corpo durante il sonno

I laboratori del sonno usano un test chiamato polisonnografia, in cui sensori sul cuoio capelluto, sul viso, sul torace e sulle gambe registrano onde cerebrali, movimenti oculari, battito cardiaco, respirazione e attività muscolare durante la notte. Questi test sono considerati lo standard di riferimento per comprendere il sonno, ma generano flussi di dati enormi e complessi difficili da interpretare completamente per gli esperti umani. La maggior parte delle ricerche precedenti si è concentrata su un singolo problema alla volta—come l’apnea o la narcolessia—e si è spesso basata su una valutazione manuale laboriosa. Di conseguenza, la storia più profonda nascosta nella combinazione completa dei segnali è rimasta in gran parte inesplorata.

Insegnare a un’IA a comprendere il linguaggio del sonno

Gli autori hanno costruito un “modello di base” chiamato SleepFM, prendendo in prestito idee dai grandi modelli linguistici che apprendono da vaste quantità di testo. Invece di parole e frasi, SleepFM apprende dai segnali grezzi del sonno. È stato addestrato su oltre 585.000 ore di registrazioni notturne provenienti da oltre 65.000 persone, raccolte in diversi centri del sonno e studi di popolazione. Il modello prende in input brevi frammenti di cinque secondi di attività cerebrale, cardiaca, respiratoria e muscolare, poi li combina usando reti neurali basate sull’attenzione in grado di gestire diverse configurazioni di sensori in ospedali differenti. Durante l’addestramento, si insegna da solo ad allineare le informazioni tra questi tipi di segnali, apprendendo una rappresentazione interna condivisa di come appaiono il sonno sano e quello non sano, senza richiedere etichette umane.

Da una notte a molte possibili diagnosi

Una volta addestrato, le “impronte del sonno” interne di SleepFM sono state collegate alle cartelle cliniche elettroniche per verificare se potessero prevedere malattie successive. I ricercatori hanno esaminato oltre 1.000 condizioni e hanno chiesto, per ciascun paziente, se un singolo studio notturno potesse prevedere chi avrebbe sviluppato una malattia anni dopo. SleepFM ha previsto con precisione 130 diverse diagnosi con forte affidabilità, inclusi mortalità per tutte le cause, demenza, insufficienza cardiaca, ictus, malattia renale cronica e diversi tumori. Per alcune condizioni, come la malattia di Parkinson, la demenza e gravi problemi cardiaci, le sue prestazioni si sono avvicinate o superate quelle di strumenti specializzati basati su scansioni cerebrali o registrazioni cardiache.

Come i segnali del sonno si collegano a cervello, cuore e oltre

Analizzando quali parti della notte e quali sensori erano più importanti, il team ha trovato schemi che hanno senso biologico. I segnali delle onde cerebrali e dei movimenti oculari sono stati particolarmente utili per prevedere disturbi neurologici e mentali, in linea con le evidenze che i cambiamenti nel sonno profondo e nel sonno REM spesso precedono l’Alzheimer e il Parkinson. I segnali respiratori e di ossigenazione sono risultati più informativi per condizioni respiratorie e metaboliche, mentre le tracce del ritmo cardiaco hanno portato peso aggiuntivo per le malattie circolatorie come insufficienza cardiaca e ictus. Sebbene ogni tipo di segnale contribuisse, le migliori previsioni sono arrivate dalla loro combinazione, suggerendo che molte malattie lasciano impronte sottili sull’intero corpo mentre dorme.

Risultati robusti tra cliniche e nel tempo

Per verificare se SleepFM funzionasse al di fuori delle istituzioni che lo hanno sviluppato, i ricercatori lo hanno applicato a uno studio indipendente su oltre 6.000 anziani che era stato escluso dall’addestramento iniziale. Con solo un leggero aggiustamento, il modello ha comunque previsto esiti critici come ictus, morte cardiovascolare e insufficienza cardiaca congestizia con alta accuratezza. Ha mantenuto buone prestazioni anche su pazienti più recenti la cui registrazione del sonno è avvenuta anni dopo i dati di addestramento originali, suggerendo che i pattern di sonno appresi sono sufficientemente stabili da gestire cambiamenti reali nelle pratiche e nelle popolazioni.

Cosa potrebbe significare per l’assistenza quotidiana

Per i non specialisti, la conclusione è che il sonno non è solo un sintomo della malattia—è una finestra ricca e misurabile sulla salute a lungo termine del corpo. SleepFM dimostra che un singolo studio notturno può aiutare a segnalare chi è a maggior rischio di malattie gravi ben prima che compaiano i sintomi, superando modelli che si basano solo su età, sesso, peso e altre caratteristiche di base. Sebbene sia necessario ulteriore lavoro per generalizzare oltre i pazienti delle cliniche del sonno e per spiegare le sue previsioni caso per caso, questo approccio indica un futuro in cui l’analisi intelligente del sonno—potenzialmente anche da dispositivi domestici—potrebbe diventare uno strumento di routine, non invasivo, per l’allerta precoce e il monitoraggio continuo della salute.

Citazione: 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

Parole chiave: sonno e rischio di malattia, polisonnografia, modelli di base in medicina, predizione di demenza e malattie cardiache, monitoraggio della salute durante il sonno