Une intelligence artificielle capable de prédire le risque de développer plus d’une centaine de maladies, parfois des années avant l’apparition des premiers symptômes, vient d’être mise au point par des chercheurs de Stanford. Cette avancée, basée sur l’analyse des signaux physiologiques enregistrés pendant le sommeil, pourrait révolutionner le diagnostic précoce et la prévention de pathologies graves.
Baptisée SleepFM, cette IA a été entraînée sur un volume colossal de données de sommeil – près de 585 000 heures issues de l’activité de plus de 65 000 personnes, principalement issues du Stanford Sleep Medicine Center. Elle est capable d’évaluer le risque de développer environ 130 maladies, parmi lesquelles la maladie de Parkinson, la démence, les maladies cardiaques et certains cancers, comme celui du sein ou de la prostate.
Le fonctionnement de SleepFM repose sur l’enregistrement simultané de plusieurs paramètres physiologiques durant le sommeil : ondes cérébrales, activité cardiaque, respiration, tension musculaire, mouvements des yeux et des jambes. L’IA a d’abord appris à décoder le langage complexe du sommeil, en identifiant comment ces différents signaux s’harmonisent lors d’une nuit normale. « Le modèle enregistre statistiquement ces coordinations », explique James Zou, spécialiste des données à Stanford et co-auteur de l’étude, publiée dans la revue Nature Medicine.
Après cette phase d’apprentissage initial, SleepFM a été affiné pour des tâches plus spécifiques, comme la détection des phases du sommeil et le diagnostic de l’apnée du sommeil. Ses performances dans ces domaines sont comparables à celles de programmes établis tels que U-Sleep ou YASA, qui analysent les données des électroencéphalogrammes (EEG) pour étudier les ondes cérébrales.
L’étude révèle que les prédictions de SleepFM sont particulièrement fiables pour la démence, la maladie de Parkinson, les crises cardiaques, l’insuffisance cardiaque, certains types de cancer et l’estimation de l’espérance de vie globale. Cependant, les chercheurs soulignent qu’il s’agit d’établir des corrélations, et non de déterminer les causes profondes des maladies.
« La plupart des méthodes d’IA n’apprennent pas les relations causales », précise Matthias Jakobs, informaticien à la TU Dortmund, qui étudie l’application de l’IA à l’analyse des données de sommeil et n’a pas participé à cette recherche. « Néanmoins, même en se basant sur des corrélations statistiques, il existe un potentiel important en matière de diagnostic et de thérapie. »
À ce stade, le modèle s’appuie principalement sur des données issues de laboratoires du sommeil, ce qui signifie qu’il est davantage calibré pour les personnes souffrant de troubles du sommeil et ayant accès à des soins médicaux de pointe. Les populations sans problèmes de sommeil ou issues de régions moins bien desservies sont actuellement sous-représentées dans les données d’entraînement.
SleepFM ne vise pas à remplacer les médecins, mais à les aider dans leur travail. L’IA permet de condenser d’énormes quantités de données de polysomnographie en représentations numériques compactes, facilitant ainsi l’analyse et l’identification rapide des anomalies. « Cela permet aux médecins de passer plus de temps avec leurs patients », souligne M. Jakobs. L’interprétation des résultats et la décision thérapeutique restent toutefois de la responsabilité du personnel médical.
« Une IA peut être très performante pour élaborer un plan de traitement, mais c’est l’humain – le médecin – qui interprète les résultats et choisit la thérapie, souvent sans en connaître toutes les causes », résume Buschjäger. SleepFM est donc à considérer comme un outil précieux et un système d’alerte précoce, mais pas comme un substitut au jugement clinique.
Pour aller plus loin
