Uno studio guidato da Stanford dimostra che i dati raccolti durante una sola notte di sonno possono anticipare oltre 100 patologie con altissima precisione.
Un algoritmo, una notte di sonno, centinaia di segnali invisibili. Il laboratorio di Stanford ha trasformato il letto in uno strumento di diagnosi precoce. Una ricerca pubblicata su Nature Medicine nel gennaio 2026 rivela che i parametri fisiologici registrati durante il riposo – se letti con modelli avanzati di intelligenza artificiale – possono anticipare il rischio di malattie gravi con anni di anticipo, anche in assenza di sintomi.
Il cuore del progetto è SleepFM, un sistema di AI addestrato su quasi 600.000 ore di sonno, tratte da 65.000 polisonnografie. L’algoritmo ha imparato a decifrare segnali minimi: frequenza cardiaca, ritmo respiratorio, movimenti oculari, attività cerebrale, micro-risvegli, frammenti che isolati dicono poco ma, combinati, raccontano una storia clinica. In alcuni casi, molto prima che un medico possa sospettare qualcosa.
Il modello ha riconosciuto pattern associati a oltre 130 patologie, tra cui infarto, demenza, scompenso cardiaco, fibrillazione atriale, malattia renale cronica e ictus. Per il rischio di mortalità generale ha raggiunto una concordanza dell’84%, un risultato vicino agli standard di predizione clinica usati oggi in cardiologia. Ma qui, a differenza dei classici esami, tutto parte da una notte passata dormendo.
Come funziona SleepFM e perché può anticipare oltre cento patologie
Il principio alla base del sistema è semplice nella teoria, complesso nell’attuazione: il sonno riflette l’interazione tra organi e sistemi, e queste interazioni – se interpretate correttamente – possono fornire tracce predittive della salute futura. Per anni, i ricercatori hanno ignorato gran parte delle informazioni che la polisonnografia raccoglie. Solo pochi dati – come le apnee o la percentuale di sonno REM – venivano usati nella pratica clinica. Ma l’AI riesce a mettere insieme segnali che sfuggono all’occhio umano.
Secondo i dati dello studio, SleepFM ha mantenuto alte prestazioni anche su set di dati indipendenti, raccolti dal 2020 in poi, quindi mai utilizzati nella fase di addestramento. L’algoritmo ha previsto il rischio di demenza con un’accuratezza dell’83%, quello di scompenso cardiaco all’80%, e ha superato altri modelli esistenti in quasi tutte le categorie cliniche, con miglioramenti tra il 5% e il 17%.
Come funziona SleepFM e perché può anticipare oltre cento patologie – aip-suoli.it
Questi risultati rafforzano un’ipotesi già presente nella letteratura epidemiologica: la qualità e la struttura del sonno non sono solo indicatori passivi, ma specchi attivi del nostro stato interno. Carenze di sonno REM, frequenti micro-risvegli, ridotta efficienza del riposo, variazioni del respiro notturno e fluttuazioni dell’ossigenazione sembrano legati a meccanismi di deterioramento sistemico. In modo simile a quanto fa un elettrocardiogramma per il cuore, la notte può diventare un tracciato predittivo dell’intero corpo, se osservata con gli strumenti giusti.
Lo studio segnala anche un altro dato chiave: questo tipo di analisi funziona su una sola notte di sonno, rendendolo potenzialmente adatto anche a dispositivi più accessibili del classico laboratorio del sonno. Gli esperti parlano già di una futura medicina predittiva domestica, dove basterà dormire con un sensore al polso per sapere se ci sono segnali d’allarme nascosti.
Il futuro della diagnosi passa dal letto: implicazioni, limiti e prospettive
Per quanto le previsioni siano impressionanti, i ricercatori mettono in guardia dal trasformare SleepFM in uno strumento diagnostico immediato. Lo studio è ancora nella sua fase iniziale, e richiede l’uso di polisonnografie complete, strumenti costosi e difficili da replicare su larga scala. I dati raccolti devono essere standardizzati, e la loro lettura richiede modelli allenati su popolazioni ampie, con variabilità etnica, ambientale e clinica.
Ma la direzione è chiara. Le registrazioni notturne, se analizzate correttamente, possono diventare una finestra potente sullo stato di salute complessivo, non limitata ai disturbi del sonno. Il sonno, già considerato un elemento fondamentale del benessere, potrebbe diventare un alleato nella prevenzione di patologie sistemiche. E in questo senso, l’intelligenza artificiale non si sostituisce al medico, ma aggiunge una lente nuova con cui leggere i segnali del corpo.
Al momento, SleepFM è stato testato in ambito clinico, ma potrebbe evolversi verso applicazioni più estese. La crescente diffusione di wearable con sensori biometrici, unita alla potenza di calcolo sempre più accessibile, apre lo scenario a una sanità proattiva, dove l’analisi del riposo notturno non si limita a valutare l’insonnia o le apnee, ma rileva segnali precoci di stress cardiaco, neurodegenerazione, scompensi metabolici.
Una notte, un letto, un algoritmo. È questo il passaggio che potrebbe ridisegnare l’approccio alla diagnosi precoce nei prossimi dieci anni. I dati ci sono già. Manca solo il modo giusto di leggerli.
