Uma Noite de Sono Revela Riscos de 130 Doenças: Conheça o SleepFM de Stanford com Inteligência Artificial

Imagine que a tradicional polissonografia noturna – aquela sessão padrão em laboratório, com dezenas de eletrodos fixados na cabeça, tórax e pernas – possa prever não apenas a apneia ou a qualidade do seu descanso, mas também alertar sobre doenças graves que se manifestarão daqui a 5, 10 ou até 15 anos. É exatamente essa a promessa feita por pesquisadores da Universidade de Stanford, conforme detalhado em um artigo publicado na prestigiada revista Nature Medicine em janeiro de 2026.

A equipe, liderada por Emmanuel Mignot, um dos maiores nomes mundiais em pesquisa do sono, e James Zou, desenvolveu o SleepFM. Trata-se de um grande modelo fundamental de inteligência artificial, cuja filosofia se assemelha aos modelos de linguagem atuais, como o ChatGPT. A diferença crucial é que, em vez de processar texto, o SleepFM “lê” os sinais fisiológicos capturados durante o sono.

Para treinar este sistema, foi utilizada uma base de dados colossal: aproximadamente 585 mil horas de registros de polissonografia, coletados de cerca de 65 mil indivíduos em diversas coortes. A maior parte desse volume provém do arquivo do Centro de Medicina do Sono de Stanford, acumulado ao longo de 25 anos. Isso representa gigabytes de dados por noite, incluindo eletroencefalograma (EEG) cerebral, eletrocardiograma (ECG) cardíaco, fluxos respiratórios, níveis de oxigênio, movimentos oculares e das pernas, além do tônus muscular.

Normalmente, esses dados são analisados de forma muito segmentada: um modelo para determinar os estágios do sono, outro para quantificar a apneia, e assim por diante. Os cientistas de Stanford adotaram uma abordagem diferente. Eles capacitaram o modelo a compreender autonomamente a linguagem corporal durante o repouso, sem a necessidade de que médicos rotulem manualmente milhares de diagnósticos prévios. O SleepFM observa o coração, a respiração e os músculos, aprendendo a reconstruir a atividade cerebral a partir desses sinais (e vice-versa). Esse “interrogatório cruzado” forçado entre os sinais permite que o algoritmo capte relações fisiológicas profundas.

O resultado obtido é notável: com base em apenas uma noite de sono, o modelo consegue prever o risco de desenvolvimento de mais de 130 condições distintas com boa precisão (índice C variando de 0.75 em diante, e para muitas condições acima de 0.80–0.89). Entre as previsões mais bem-sucedidas estão:

• Condições neurodegenerativas: demência (aproximadamente 0.85) e doença de Parkinson (cerca de 0.89).
• Problemas cardiovasculares: infarto do miocárdio (em torno de 0.81), fibrilação atrial, insuficiência cardíaca e hipertensão arterial.
• Tipos de câncer: certas formas de câncer (próstata, mama e outras, atingindo 0.87–0.89).
• Além disso, o modelo prevê risco de acidente vascular cerebral (AVC), doença renal crônica, complicações gestacionais, transtornos psiquiátricos e até mesmo a mortalidade geral.

Um aspecto técnico importante é a robustez do modelo. Ele se mostra resiliente a diferentes conjuntos de sensores e variações na qualidade da gravação. Se um canal de dados estiver com ruído ou ausente, o SleepFM simplesmente redistribui sua atenção para os sinais restantes e mantém sua performance. Isso o torna significativamente mais viável para futuras aplicações práticas.

As perspectivas futuras são verdadeiramente animadoras. Atualmente, o SleepFM foi treinado utilizando o padrão ouro: a polissonografia realizada em ambiente clínico. Contudo, os autores ressaltam que, se a qualidade dos sinais capturados por dispositivos vestíveis (como smartwatches, anéis, sensores peitorais e rastreadores domésticos) continuar a melhorar, modelos similares poderão migrar para o uso em massa.

Dessa forma, o sono noturno comum deixa de ser apenas um período de “recarregar as baterias” e se estabelece como um exame de rastreio natural, acessível e extremamente rico em informações sobre a saúde integral do indivíduo. É possível que, em poucos anos, a recomendação de “fazer uma polissonografia” soe tão comum quanto pedir um “hemograma completo” hoje – só que sem agulhas e com muito mais poder preditivo.

Embora a implementação em larga escala ainda dependa de validações independentes robustas, aprovações regulatórias e adaptação aos dispositivos de consumo, a direção traçada é extremamente promissora. O sono, sem dúvida, pode se consolidar como o novo e crucial “sinal vital” do século XXI.