Sonno, mentre dormi l’IA capisce se ti ammalerai

Si chiama polisonnografia, ed è l’esame clinico standard per indagare i disturbi legati al riposo notturno: permette di registrare la frequenza dell’interruzione della respirazione durante il sonno – le cosiddette apnee notturne – ma anche l’andamento delle onde cerebrali, il battito cardiaco, i movimenti muscolari, i livelli di ossigeno del sangue e molti altri parametri. Una mole di dati dai quali un modello di intelligenza artificiale messo a punto da un gruppo di scienziati della University of Washington ha imparato a inferire indicatori fisiologici associati al rischio di sviluppare, nel futuro, malattie cardiovascolari e neurologiche. Lo studio che lo racconta è stato pubblicato sulla rivista Nature Communications.

Narcolessia: vivere in bilico tra sonno e veglia. Solo 1 paziente su 3 riceve la diagnosi

11 Luglio 2025

Oltre l’apnea

Storicamente, la gravità dei disturbi respiratori del sonno è stata misurata quasi esclusivamente attraverso l’indice di apnea-ipopnea (Ahi), un parametro che si limita a contare la frequenza degli episodi di ostruzione delle vie aeree. La letteratura scientifica evidenzia da tempo che questo indice offre una visione parziale della fisiologia del riposo e possiede un valore prognostico ridotto, in particolare per quanto riguarda la stima della mortalità generale: “Per decenni abbiamo sfruttato solo parzialmente tutti i dati raccolti dagli esami del sonno”, spiega Reena Mehra, professoressa di medicina presso la University of Washington e co-autrice dello studio.

“L’intelligenza artificiale ci offre l’opportunità di andare oltre quelle sintesi e imparare dall’intera ricchezza della fisiologia del sonno”. Questione molto importante, perché i disturbi legati al riposo, effettivamente, rappresentano un problema di salute pubblica su larghissima scala. “Il sonno è fondamentale per la salute e il benessere”, aggiunge Matheus Lima Diniz Araujo, ricercatore alla Cleveland Clinic. “Quasi 70 milioni di persone, negli Stati Uniti, vivono con disturbi cronici del sonno e della veglia, che influenzano il funzionamento quotidiano e la salute generale. Questa scoperta offre un approccio più personalizzato alla medicina del sonno, espandendo il valore dei test del sonno di routine e rafforzando la nostra comprensione del ruolo chiave che il sonno gioca nelle malattie croniche”.

Narcolessia: vivere in bilico tra sonno e veglia. Solo 1 paziente su 3 riceve la diagnosi

11 Luglio 2025

L’intelligenza artificiale e la ricchezza dei dati fisiologici

Per elaborare la complessità dei segnali polisonnografici grezzi, gli autori del lavoro hanno sviluppato un cosiddetto “modello fondativo”, ossia una rete neurale pre-addestrata su set di dati estremamente vasti per apprendere rappresentazioni generali della materia, che può poi essere declinata su compiti analitici specifici senza richiedere metriche predefinite dai programmatori. Il sistema è stato addestrato su oltre 10mila registrazioni cliniche provenienti da database sanitari pubblici,in particolare relativi a elettroencefalogrammi (Eeg), elettrocardiogrammi (Ecg) e altri sensori respiratori in finestre temporali di pochi secondi. “La moderna intelligenza artificiale ci permette di recuperare molte più informazioni contenute in una notte di fisiologia del sonno, rivelando gruppi di pazienti clinicamente significativi con rischi per la salute a lungo termine molto diversi”, afferma Jeffrey Rogers, professore aggiunto alla Yale School of Medicine e co-autore della ricerca. “Questi risultati dimostrano che i test medici di routine possono contenere molte più informazioni fisiologiche di quelle che l’attuale pratica clinica ne estrae”.

Narcolessia, come riconoscere i segnali d'allarme a suon di rap

Barbara Orrico 29 Settembre 2022

I gruppi identificati

Lasciando che fosse l’algoritmo a categorizzare i profili fisiologici sulla base dei segnali latenti, il modello ha classificato i pazienti in cinque distinti gruppi di rischio, da Rg1 a Rg5): i pazienti inseriti nel gruppo a rischio più elevato (Rg5) hanno mostrato un rischio di mortalità doppio nei cinque anni successivi rispetto a quelli del gruppo a rischio più basso (Rg1). Inoltre, l’appartenenza al gruppo RG5 è risultata strettamente associata a un’incidenza significativamente maggiore di eventi avversi cardiovascolari maggiori (Mace), insufficienza cardiaca, declino cognitivo ed epilessia. Al contrario, la classificazione tradizionale basata solo sull’indice Ahi non ha mostrato associazioni significative con la mortalità in questo campione, il che mostra i limiti dell’approccio “tradizionale” nel fotografare l’effettiva gravità clinica. “Il sonno è sempre più riconosciuto come una componente critica della salute, eppure le informazioni fisiologiche catturate durante il sonno rimangono in gran parte sottoutilizzate”, sottolinea Erhan Bilal, autore principale dello studio. “Poiché dormire è un’attività universale, gli studi sul sonno offrono una straordinaria finestra sulla salute umana che si estende ben oltre la diagnosi dei disturbi del sonno. Il nostro lavoro mostra come i modelli fondativi possano iniziare a sbloccare la ricchezza di questi segnali complessi. E questo è solo l’inizio”.