Publié le 9 janvier 2026 à 14h13. Des chercheurs de l’université de Stanford ont mis au point une intelligence artificielle capable de prédire, à partir de l’analyse du sommeil, le risque de développer plus d’une centaine de maladies, parfois des années avant leur apparition.
- L’IA, baptisée SleepFM, analyse les données polysomnographiques pour identifier des désynchronisations physiologiques qui pourraient signaler un risque accru de maladies graves.
- Le modèle a démontré une précision remarquable dans la prédiction de pathologies telles que la démence, la maladie de Parkinson, les maladies cardiaques et certains types de cancer.
- Cette avancée pourrait transformer les tests de sommeil de routine en un outil de dépistage précoce et de prévention personnalisé.
L’étude, publiée dans la revue Nature Medicine, s’appuie sur l’analyse de près de 600 000 heures de données polysomnographiques collectées auprès de 65 000 participants, principalement au Stanford Sleep Medicine Center, mais aussi aux États-Unis et en Europe. La polysomnographie, considérée comme la référence en matière d’étude du sommeil, enregistre simultanément les ondes cérébrales, l’activité cardiaque, la respiration, la tension musculaire, les niveaux d’oxygène dans le sang et les mouvements des yeux et des jambes.
Selon Emmanuel Mignot, professeur de médecine du sommeil à l’université de Stanford, ces données extrêmement complètes ont servi de base à l’entraînement du modèle d’intelligence artificielle. « Il s’agit d’un examen physiologique complet d’une durée de huit heures sur une personne entièrement sous notre surveillance. Les données sont très complètes », explique-t-il.
Jusqu’à présent, le sommeil a été relativement peu étudié du point de vue de l’intelligence artificielle, souligne James Zou, professeur de science des données biomédicales à l’université de Stanford. SleepFM a appris à décoder le « langage du sommeil » en traitant l’électroencéphalographie (EEG), l’électrocardiographie (ECG), l’électromyographie (EMG), les signaux de pouls et le flux d’air de manière similaire à la façon dont un grand modèle de langage traite les mots.
Le modèle a démontré sa capacité à prédire avec fiabilité 130 diagnostics différents, surpassant les performances des outils basés uniquement sur des données démographiques. Il a notamment identifié des schémas de désynchronisation comme des indicateurs de risque. « L’IA a reconnu qu’il existe un risque élevé de maladie lorsque les signaux sont désynchronisés, par exemple lorsque le cerveau est endormi mais que le cœur est actif », précise Mignot. L’équipe a qualifié ces incohérences physiologiques de marqueurs de risque.
Avant de formuler des prédictions à long terme, SleepFM a fait ses preuves en matière de diagnostic clinique : il a diagnostiqué la gravité de l’apnée du sommeil avec une précision de 87 % sur plusieurs ensembles de données, des performances comparables à celles des systèmes existants. Sa capacité d’apprentissage s’est avérée supérieure à celle des méthodes d’apprentissage supervisé pour la quasi-totalité des maladies.
Cette étude confirme l’importance croissante accordée au sommeil en tant que signe avant-coureur et facteur de risque de maladies qui peuvent se développer des années plus tard. Les chercheurs soulignent que la polysomnographie, en capturant huit heures ininterrompues d’activité cérébrale, cardiaque, musculaire et respiratoire, constitue une véritable « mine d’or physiologique inexploitée ». Ils reconnaissent toutefois que SleepFM ne peut pas encore expliquer ses prédictions en langage humain et nécessite le développement d’outils d’interprétation.
À l’avenir, des systèmes d’IA similaires pourraient transformer les tests de sommeil de routine en une plateforme de mesures préventives, permettant une intervention plus précoce en cas de démence, de crise cardiaque, d’accident vasculaire cérébral, d’insuffisance rénale ou de fibrillation auriculaire, voire même de cancer. L’amélioration de la santé pourrait ainsi être considérablement accrue. (rédaction)
À ne pas manquer
