Nouveautés + tendances
Le Pink Noise comme aide au sommeil : pourquoi vous risquez le sommeil paradoxal ?
par Anna Sandner
L'IA détecte des maladies ultérieures dans les données de sommeil
4/3/2026
Traduction : traduction automatique
Le sommeil peut-il révéler si l'on aura plus tard une crise cardiaque ou un cancer ? Une IA a analysé les données de laboratoires du sommeil et y a découvert des modèles qui indiquent des maladies ultérieures.
Une seule nuit passée dans un laboratoire de sommeil pourrait-elle fournir des indications sur des maladies qui ne se déclarent que des années plus tard ? Des chercheurs de l'université de Stanford ont développé un modèle d'IA qui analyse les données du sommeil et y détecte des schémas liés à l'apparition ultérieure de nombreuses maladies. L'équipe cite environ 130 diagnostics pour lesquels le modèle aurait obtenu des valeurs prédictives fiables. Cela inclut la démence, la maladie de Parkinson, l'infarctus du myocarde, l'insuffisance cardiaque, certains cancers ainsi que la mortalité globale, comme ils le rapportent dans «Nature Medicine».
Les chercheurs ont entraîné l'IA SleepFM à l'aide de données issues de polysomnographies - des mesures nocturnes effectuées en laboratoire du sommeil, au cours desquelles des capteurs enregistrent les ondes cérébrales, l'activité cardiaque, la respiration, la tension musculaire ainsi que les mouvements des jambes et des yeux. La plupart de ces données proviennent du Stanford Sleep Medicine Center, une clinique pour les personnes souffrant de troubles du sommeil. D'autres données ont été recueillies aux États-Unis et en Europe.
Pour l'entraînement à l'IA, les scientifiques ont utilisé plus de 585 000 heures d'enregistrement du sommeil de quelque 65 000 personnes. Au cours de la formation préliminaire, l'équipe a permis à l'IA d'apprendre comment les signaux typiques du sommeil sont liés. Pour ce faire, le modèle a reçu de courts extraits d'une nuit au cours de laquelle l'activité cérébrale, cardiaque, respiratoire et musculaire a été enregistrée simultanément. Un signal a ensuite été masqué artificiellement. L'IA devait reconnaître quels autres signaux étaient liés - et lesquels ne l'étaient pas. Elle a ainsi développé une compréhension fondamentale de la manière dont les différentes fonctions corporelles se comportent normalement les unes par rapport aux autres pendant le sommeil. Après le pré-entraînement, les chercheurs ont utilisé cette compréhension de base pour affiner l'IA dans des applications très pratiques : par exemple pour reconnaître les stades du sommeil ou pour diagnostiquer l'apnée du sommeil. Dans ces essais standardisés, SleepFM a atteint un niveau de précision comparable à celui des méthodes existantes. Les chercheurs ont ensuite relié les données de sommeil aux dossiers de santé électroniques à long terme des participants. Ils ont ainsi cherché à savoir si une seule nuit de sommeil pouvait donner des indications sur des maladies ultérieures. Sur plus de 1000 catégories de maladies, l'équipe en a identifié 130, que l'IA a prédites avec une grande précision à partir des données de sommeil. Selon l'étude, SleepFM a particulièrement bien prédit la maladie de Parkinson, la démence, l'infarctus du myocarde ainsi que le cancer de la prostate et du sein.
Les chercheurs ont constaté sans surprise que les signaux cardiaques jouaient un rôle plus important dans la prédiction des maladies cardiaques et que les signaux cérébraux jouaient un rôle plus important dans la prédiction des maladies mentales. Mais c'est la combinaison de certaines données qui a permis les prédictions les plus précises : «C'est en comparant différents canaux» que nous avons obtenu le plus d'informations pour prédire les maladies, explique Emmanuel Mignot, chercheur sur le sommeil ayant participé à l'étude, qui a découvert la cause de la narcolepsie en 1999. Selon lui, les données de mesure qui ne sont pas synchronisées - par exemple, lorsque l'activité cérébrale mesurée montre des schémas de sommeil typiques, alors que les signaux cardiaques ressemblent davantage à un état d'éveil - pourraient être annonciatrices de problèmes de santé.
Ce travail s'inscrit dans un champ de recherche croissant qui considère le sommeil comme un marqueur de la santé. Mais pour la première fois, elle exploite systématiquement l'ensemble des signaux mesurés. Mais les auteurs soulignent aussi les limites de leur approche : le modèle identifie des corrélations statistiques, pas des causes, et ne se prête donc pas à des diagnostics individuels ou à des décisions thérapeutiques. De plus, la plupart des données proviennent de cliniques spécialisées dans le sommeil, ce qui entraîne une sous-représentation des personnes ne souffrant pas de troubles du sommeil ou ayant un accès limité aux soins médicaux. On ne sait pas encore si ces résultats peuvent être extrapolés à la population générale et quels sont les mécanismes biologiques qui se cachent derrière ces modèles. Néanmoins, à long terme, cette approche pourrait aider à mieux utiliser les grandes quantités de données sur le sommeil déjà disponibles pour la recherche et la prévention.
Spectre de la science
Nous sommes partenaires de Spectre des Sciences et souhaitons vous rendre les informations fondées plus accessibles. Suivez Spectre des Sciences si vous aimez ses articles.
Articles originaux sur Spektrum
Photo d’en-tête : Shutterstock
Spektrum der Wissenschaft
Wissenschaft aus erster Hand
dirdjaja@spektrum.deDes experts de la science et de la recherche rendent compte des dernières découvertes dans leur domaine – de manière compétente, authentique et compréhensible.
Santé
Suivez les thèmes et restez informé dans les domaines qui vous intéressent.
Nouveautés + tendances
Du nouvel iPhone à la résurrection de la mode des années 80. La rédaction fait le tri.
Tout afficher
