Vos nuits parlent : comment vos données de sommeil peuvent prédire des maladies des années à l’avance

Une simple mauvaise nuit ou un signal d’alarme ?

On connaît tous cette sensation désagréable au réveil après une nuit agitée. Le brouillard mental, la fatigue… C’est classique. Mais imaginez un instant que cette nuit de sommeil contienne bien plus que de la simple fatigue. Et si elle recelait des indices, invisibles à l’œil nu, sur des maladies qui ne se déclareront que dans plusieurs années ? C’est le pari un peu fou — mais apparemment gagnant — d’une nouvelle recherche menée par Stanford Medicine.

Les chercheurs, accompagnés de leurs collaborateurs, ont mis au point un système d’intelligence artificielle capable d’analyser les signaux physiologiques nocturnes pour estimer le risque d’une personne de développer plus de 100 futurs problèmes de santé. Ce modèle, baptisé SleepFM, ne sort pas de nulle part. Il a été entraîné sur une quantité de données proprement vertigineuse : près de 600 000 heures de polysomnographie provenant d’environ 65 000 personnes. Oui, vous avez bien lu.

Pour ceux qui ne sont pas familiers avec le terme, la polysomnographie est ce genre d’examen complet du sommeil où l’on vous branche de partout pour surveiller le cerveau, le cœur, la respiration et les mouvements. C’est lourd, c’est complexe, mais c’est une mine d’or.

Au-delà de l’apnée : apprendre le « langage » secret du sommeil

Le problème, c’est qu’habituellement, on sous-exploite ces examens. On fait l’étude, on note les stades de sommeil, on vérifie s’il y a de l’apnée, et hop, on passe au suivant. C’est un peu du gâchis, non ? C’est en tout cas l’avis d’Emmanuel Mignot, co-auteur principal et professeur de médecine du sommeil à Stanford. Il le dit très bien : « Nous enregistrons un nombre incroyable de signaux lorsque nous étudions le sommeil. C’est une sorte de physiologie générale que nous étudions pendant huit heures chez un sujet totalement captif. C’est très riche en données. »

Jusqu’à récemment, ni les humains ni les logiciels standards ne pouvaient digérer une telle complexité. L’IA change la donne. James Zou, professeur associé en science des données biomédicales et co-auteur principal, souligne que le sommeil était le parent pauvre de l’IA médicale, loin derrière la radiologie ou la cardiologie, alors qu’il est crucial dans nos vies.

Pour combler ce vide, l’équipe a créé un « modèle de fondation ». Au lieu de lui apprendre une seule tâche, ils lui ont appris à comprendre les schémas globaux. Comment ? En traitant les enregistrements comme un langage. Ils ont découpé les nuits en segments de cinq secondes. SleepFM a ainsi appris la séquence naturelle des choses, intégrant l’électroencéphalographie (cerveau), l’électrocardiographie (cœur), l’électromyographie (muscles), ainsi que le pouls et le flux d’air.

Pour s’entraîner, le modèle jouait à un jeu de devinettes : les chercheurs masquaient un flux de données et l’IA devait le reconstruire grâce aux autres. James Zou explique que cette harmonisation des modalités était la clé technique. Et ça marche. Une fois peaufiné, le système s’est montré aussi performant, voire meilleur, que les modèles actuels pour classer les stades de sommeil ou évaluer l’apnée.

Prédire l’avenir : du cancer à la santé cardiaque

Mais c’est là que ça devient vraiment impressionnant. L’équipe ne s’est pas arrêtée aux diagnostics immédiats. Ils ont voulu voir loin. Très loin. Pour ce faire, ils ont couplé les données de sommeil avec des décennies de dossiers médicaux issus du Stanford Sleep Medicine Center. Petite parenthèse historique : ce centre a été fondé en 1970 par le regretté William Dement, un pionnier du domaine.

Le jeu de données principal comprenait environ 35 000 patients âgés de 2 à 96 ans, dont les tests ont été enregistrés entre 1999 et 2024. En croisant ces nuits avec les dossiers de santé électroniques — offrant parfois jusqu’à 25 ans de suivi — SleepFM a scanné plus de 1 000 catégories de maladies. Résultat ? Il en a identifié 130 qu’il pouvait prédire avec une précision raisonnable rien qu’avec le sommeil.

Les résultats les plus solides (avec un indice C supérieur à 0,8) concernent des affections lourdes : cancers, complications de grossesse, problèmes circulatoires et troubles mentaux. Pour faire simple, l’indice C est une note de classement. James Zou précise : « Un indice C de 0,8 signifie que 80 % du temps, la prédiction du modèle concorde avec ce qui s’est réellement passé. »

Le modèle a particulièrement brillé pour prédire :

• La maladie de Parkinson et la démence ;
• Les cardiopathies hypertensives et les crises cardiaques ;
• Le cancer de la prostate et le cancer du sein ;
• Et même le risque de décès.

« Nous avons été agréablement surpris », admet Zou. Et on le comprend.

Conclusion : Quand le corps se désynchronise

Alors, qu’est-ce que l’IA voit que nous ne voyons pas ? C’est toujours un peu la question avec ces boîtes noires… Elle ne nous l’explique pas en français, évidemment. Mais les chercheurs commencent à comprendre. Emmanuel Mignot note que les informations les plus précieuses proviennent de la comparaison entre les canaux.

En gros, c’est le contraste qui compte. Si votre cerveau a l’air de dormir mais que votre cœur semble « éveillé », c’est un signal de discordance. Cette désynchronisation interne pourrait bien être l’indice précoce que quelque chose ne tourne pas rond en profondeur. L’étude, publiée dans la revue Nature Medicine, ouvre des portes immenses. L’équipe envisage même d’intégrer des données provenant de montres connectées à l’avenir. Nos nuits n’ont décidément pas fini de nous surprendre.

Selon la source : earth.com

Ce contenu a été créé avec l’aide de l’IA.