Um modelo fundacional multimodal do sono para predição de doenças

Por que uma noite de sono pode revelar sua saúde futura

Quando você dorme em uma clínica conectado a monitores, aquelas linhas onduladas na tela capturam muito mais do que ronco ou pernas inquietas. Este estudo mostra que uma noite de registro detalhado do sono pode funcionar como uma bola de cristal para a saúde futura. Ao treinar um sistema poderoso de inteligência artificial com centenas de milhares de horas de dados de sono, os pesquisadores descobriram que nosso padrão de sono contém pistas ocultas sobre riscos de demência, doenças cardíacas, problemas renais, câncer e até morte precoce — anos antes dessas doenças aparecerem.

Ouvindo o corpo durante o sono

Os laboratórios do sono usam um exame chamado polissonografia, em que sensores no couro cabeludo, rosto, tórax e pernas registram ondas cerebrais, movimentos oculares, batimentos cardíacos, respiração e atividade muscular ao longo da noite. Esses testes são considerados o padrão‑ouro para entender o sono, mas geram fluxos de dados enormes e complexos que são difíceis de interpretar completamente por especialistas humanos. A maior parte das pesquisas anteriores focou em um problema por vez — como apneia ou narcolepsia — e muitas vezes dependia de pontuações manuais trabalhosas. Como resultado, a história mais profunda escondida na mistura completa de sinais tem sido amplamente inexplorada.

Ensinando uma IA a entender a linguagem do sono

Os autores construíram um “modelo fundacional” chamado SleepFM, emprestando ideias de grandes modelos de linguagem que aprendem a partir de enormes quantidades de texto. Em vez de palavras e frases, o SleepFM aprende a partir de sinais brutos do sono. Foi treinado em mais de 585.000 horas de gravações noturnas de mais de 65.000 pessoas, coletadas em vários centros de sono e estudos populacionais. O modelo processa fatias curtas de cinco segundos de atividade cerebral, cardíaca, respiratória e muscular, e então as combina usando redes neurais baseadas em atenção que conseguem lidar com diferentes configurações de sensores em distintos hospitais. No treinamento, ele aprende a alinhar informações entre esses tipos de sinal, desenvolvendo uma representação interna compartilhada do que constitui sono saudável e não saudável, sem precisar de rótulos humanos.

De uma noite a muitos diagnósticos possíveis

Uma vez treinado, as “impressões digitais do sono” internas do SleepFM foram vinculadas a prontuários eletrônicos para verificar se poderiam prever doenças futuras. Os pesquisadores examinaram mais de 1.000 condições e perguntaram, para cada paciente, se um único estudo noturno poderia prever quem desenvolveria uma doença anos depois. O SleepFM previu com precisão 130 diagnósticos diferentes com forte confiabilidade, incluindo mortalidade por todas as causas, demência, insuficiência cardíaca, AVC, doença renal crônica e vários tipos de câncer. Para algumas condições, como doença de Parkinson, demência e grandes problemas cardíacos, seu desempenho se aproximou ou superou o de ferramentas especializadas baseadas em exames cerebrais ou registros cardíacos.

Como os sinais do sono se conectam ao cérebro, ao coração e além

Ao analisar quais partes da noite e quais sensores foram mais importantes, a equipe encontrou padrões que fazem sentido biológico. Sinais de ondas cerebrais e movimentos oculares foram especialmente úteis para predizer transtornos neurológicos e mentais, ecoando evidências de que alterações no sono profundo e no sono REM frequentemente precedem Alzheimer e Parkinson. Sinais de respiração e oxigenação foram mais informativos para condições respiratórias e metabólicas, enquanto traços do ritmo cardíaco tiveram maior peso para doenças circulatórias, como insuficiência cardíaca e AVC. Embora cada tipo de sinal tenha contribuído, as melhores predições vieram da combinação entre eles, sugerindo que muitas doenças deixam impressões sutis por todo o corpo durante o sono.

Resultados robustos entre clínicas e ao longo do tempo

Para testar se o SleepFM funcionaria fora de suas instituições de origem, os pesquisadores o aplicaram a um estudo independente com mais de 6.000 adultos mais velhos que havia sido mantido fora do treinamento inicial. Com apenas um ajuste leve adicional, o modelo ainda previu desfechos críticos como AVC, morte cardiovascular e insuficiência cardíaca congestiva com alta precisão. Também manteve bom desempenho em pacientes mais recentes cuja gravação do sono ocorreu anos após os dados originais de treinamento, sugerindo que os padrões de sono aprendidos são estáveis o suficiente para lidar com mudanças do mundo real nas práticas clínicas e nas populações.

O que isso pode significar para o cuidado cotidiano

Para não especialistas, a conclusão é que o sono não é apenas um sintoma de doença — é uma janela rica e mensurável para a saúde de longo prazo do corpo. O SleepFM demonstra que um único estudo noturno pode ajudar a identificar quem está em maior risco de doenças graves muito antes do aparecimento de sintomas, superando modelos que confiam apenas em idade, sexo, peso e outros traços básicos. Embora sejam necessários mais estudos para generalizar além de pacientes de clínicas do sono e para explicar suas predições caso a caso, essa abordagem aponta para um futuro em que a análise inteligente do sono — potencialmente até a partir de dispositivos domésticos — possa se tornar uma ferramenta rotineira, não invasiva, para alerta precoce e monitoramento contínuo da saúde.

Citação: 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

Palavras-chave: sono e risco de doenças, polissonografia, modelos fundacionais na medicina, predição de demência e doenças cardíacas, monitoramento de saúde durante o sono