Quan algú passa una nit en una unitat del son, els sensors registren l'activitat del cervell, del cor, de la respiració i dels músculs. El que acaba al full del metge, però, sol ser un resum: per exemple, l'índex d'apnees i hipopnees, que compta les pauses de la respiració. Una part enorme de la informació enregistrada no s'aprofita.
El 12 d'octubre, Rachel K. Rowe, de la Universitat de Colorado a Boulder, va publicar a Nature un comentari sobre dos treballs d'enguany que intenten aprofitar-la amb IA. El primer, a Nature Medicine, presenta SleepFM, un model entrenat amb més de 585.000 hores d'enregistraments d'unes 65.000 persones. Segons el resum de l'article, a partir d'una sola nit prediu 130 malalties amb un índex de concordança d'almenys 0,75, entre les quals la mortalitat per qualsevol causa (0,84), la demència (0,85), l'infart de miocardi (0,81) i la insuficiència cardíaca (0,80). El segon, a Nature Communications, fa servir més de 10.000 enregistraments clínics lligats a històries mèdiques i hi distingeix cinc grups de risc: el de més risc té més del doble de mortalitat que el de menys, mentre que les categories de l'índex d'apnees tenen poc valor predictiu.
Això apunta que el son encara amaga senyals de salut que es perden en les mesures de sempre, i que un enregistrament que ja es fa als hospitals podria servir per detectar el risc abans del diagnòstic.
Els límits són importants. Són estudis sobre dades que ja existien, no assaigs que mostrin que fer servir aquests models millori la salut dels pacients, i un índex de concordança mesura la capacitat de separar persones de més i de menys risc, no de predir què li passarà a una persona concreta. El comentari de Nature és de pagament i aquest text es basa en el fragment visible i en els resums dels dos articles.