Publié le 17 janvier 2026. Une nouvelle intelligence artificielle, baptisée SleepFM, pourrait révolutionner le diagnostic médical en détectant plus de 100 maladies, dont la démence, les crises cardiaques et les accidents vasculaires cérébraux, à partir de l’analyse des données issues des nuits de sommeil.
- SleepFM, développé par des chercheurs de l’Université de Stanford, est le premier modèle d’IA entraîné sur un ensemble de données massif provenant des laboratoires du sommeil.
- Le modèle est capable de prédire avec une précision remarquable des pathologies telles que la maladie d’Alzheimer, le cancer du sein et le diabète.
- L’étude souligne le potentiel inexploité des données de polysomnographie pour la médecine préventive.
Les données du sommeil recèlent une mine d’informations insoupçonnées. C’est le constat des chercheurs de l’Université de Stanford, qui ont mis au point SleepFM, un nouveau modèle d’intelligence artificielle capable d’identifier des marqueurs de plus de 130 maladies à partir de l’analyse des signaux enregistrés pendant le sommeil. « Nous enregistrons un nombre étonnant de signaux lorsque nous dormons », explique le professeur Emmanuel Mignot, chercheur renommé en matière de sommeil et co-auteur de l’étude. Jusqu’à présent, la polysomnographie, qui mesure la fréquence cardiaque, la respiration, la tension musculaire et les mouvements oculaires, était principalement utilisée pour diagnostiquer des troubles du sommeil tels que l’apnée. SleepFM ouvre de nouvelles perspectives en exploitant ces données pour anticiper l’apparition de pathologies bien plus larges.
Le modèle, basé sur une architecture de *Foundation Model* (FM), a été entraîné sur plus de 585 000 heures de sommeil, issues des données de polysomnographie du Stanford Sleep Medicine Center, collectées auprès de près de 35 000 patients âgés de 2 à 96 ans entre 1999 et 2024. Selon James Zou, également co-auteur de l’étude, SleepFM « apprend essentiellement le langage du sommeil ». Pour ce faire, le modèle est entraîné à compléter des informations manquantes dans les données, ce qui lui permet de déceler des liens subtils entre les différents signaux physiologiques et les risques de développer certaines maladies. En savoir plus sur la recherche de Stanford.
Les tests ont révélé que SleepFM est particulièrement performant pour prédire la maladie d’Alzheimer (indice C de 0,91), le cancer de la prostate (0,89), le cancer du sein (0,87), l’insuffisance cardiaque (0,80) et le diabète (0,87). Bien que ces résultats soient prometteurs, les chercheurs soulignent qu’il reste des défis à relever. Ils ne comprennent pas encore précisément comment SleepFM parvient à ses prédictions, ce qui limite pour l’instant la possibilité de formuler des recommandations médicales spécifiques. De plus, le modèle a été entraîné uniquement sur des données provenant de patients souffrant de troubles du sommeil, et il serait intéressant de vérifier sa performance sur des populations asymptomatiques.
L’étude, publiée dans la revue Nature Medicine, confirme le potentiel considérable des données de sommeil pour la médecine préventive. À l’avenir, une nuit passée en laboratoire du sommeil pourrait devenir un outil de dépistage précieux, bien au-delà du simple diagnostic des troubles du sommeil.
