Dallo studio clinico alle previsioni a lungo termine

La ricerca è stata condotta dal professor Emmanuel Mignot della Stanford Medicine di Palo Alto, in California. In una prima fase, il modello è stato testato su compiti standard di analisi del sonno, come la classificazione delle varie fasi del sonno e la valutazione della gravità dell’apnea notturna.

Successivamente, i ricercatori hanno confrontato i dati polisonnografici di oltre 35.000 adulti e bambini seguiti presso lo Stanford Sleep Medicine Center tra il 1999 e il 2024 con le informazioni contenute nelle loro cartelle cliniche elettroniche, per valutarne lo stato di salute nel lungo periodo.

I risultati hanno mostrato che SleepFM è in grado di prevedere con buona accuratezza l’insorgenza di 130 malattie nel tempo, oltre a stimare anche il rischio di mortalità. In particolare, per alcune forme di cancro, per complicanze della gravidanza, per vari disturbi circolatori e mentali, il modello ha raggiunto un’accuratezza superiore all’80%.

Il prossimo obiettivo dei ricercatori sarà comprendere più a fondo il legame tra le caratteristiche del sonno e il rischio di specifiche malattie, nonché migliorare ulteriormente le prestazioni predittive di SleepFM.