Investigadores han demostrado que el análisis con inteligencia artificial de datos rutinarios de polisomnografía permite identificar subtipos de pacientes con perfiles de riesgo muy distintos, más allá del índice convencional de apneas e hipopneas. El trabajo, publicado en la revista Nature, procesó más de 10.000 registros completos de una noche de sueño y vinculó los patrones fisiológicos con los resultados de salud a largo plazo contenidos en las historias clínicas.

El modelo distinguió cinco subtipos de pacientes cuyos riesgos diferían de forma significativa. Las personas clasificadas en la categoría más alta presentaron el doble de probabilidad de fallecer en un plazo de cinco años en comparación con el grupo de menor riesgo, una diferencia que el indicador tradicional no reflejaba. Además, en ese mismo grupo se observó un incremento del 65% en la incidencia de insuficiencia cardíaca, del 84% en infartos y del 93% en deterioro cognitivo, mientras que las probabilidades de fibrilación auricular y epilepsia se duplicaron con creces.

El algoritmo mantuvo su precisión tanto en hombres como en mujeres y fue validado en una cohorte independiente de más de 6.000 pacientes, según la misma fuente. De forma paralela, un estudio publicado en Current Biology por las universidades de Lausana y Ginebra analizó, mediante electroencefalogramas de 25 voluntarios, cómo el cerebro durante la fase REM reorganiza sus prioridades sensoriales: reduce la respuesta a estímulos acústicos externos y aumenta la atención a señales internas como el latido cardíaco, un hallazgo que los autores proponen como posible marcador para evaluar estados alterados de conciencia.