Un nouveau modèle d’IA prédit les risques de maladie pendant votre sommeil

Quand une mauvaise nuit annonce plus qu’une journée difficile

Vous savez, une nuit agitée, ça se paie le lendemain avec une mauvaise humeur et une tête dans le coton. C’est commun. Mais voilà que des chercheurs de Stanford nous disent que ces nuits pourraient aussi être de puissants indicateurs, des années à l’avance, de l’apparition de certaines maladies. C’est assez troublant quand on y pense.

Une équipe de Stanford Medicine a mis au point un nouveau modèle d’intelligence artificielle, baptisé SleepFM. Le principe ? Il analyse les enregistrements physiologiques d’une seule nuit de sommeil pour prédire le risque d’une personne de développer… plus de 100 problèmes de santé différents. L’étude, publiée le 6 janvier 2026 dans Nature Medicine, est sérieuse : elle a été relue par des pairs et vérifiée.

Pour entraîner cette IA, les scientifiques se sont appuyés sur une véritable mine d’or de données : près de 585 000 heures d’informations sur le sommeil, collectées auprès de 65 000 participants. Ces données proviennent de la polysomnographie, l’examen de référence pour étudier le sommeil en laboratoire. C’est un peu comme si on branchait quelqu’un à toute une batterie de capteurs pour enregistrer son activité cérébrale, ses battements de cœur, sa respiration, ses mouvements des yeux et des jambes… pendant qu’il dort.

Apprendre le langage secret du sommeil avec une IA novatrice

Emmanuel Mignot, professeur en médecine du sommeil et co-auteur principal de l’étude, l’explique simplement : quand on étudie le sommeil, on enregistre une quantité incroyable de signaux. Le sujet est là, immobile, pendant huit heures. C’est une source de données physiologiques extrêmement riches, mais dont on n’utilise qu’une petite partie aujourd’hui. Avec les progrès de l’IA, il devient possible d’en tirer bien plus de sens.

James Zou, spécialiste en science des données biomédicales et autre co-auteur, le confirme : le sommeil est un domaine relativement peu exploré par l’IA, comparé à la cardiologie ou à l’étude des pathologies. Pourtant, c’est fondamental.

Pour exploiter ce trésor, les chercheurs ont créé un modèle de fondation. C’est le même type d’IA que les grands modèles de langage (comme ChatGPT), mais entraîné sur des données de sommeil. Ils ont découpé les 585 000 heures d’enregistrements en segments de cinq secondes, un peu comme les mots utilisés pour entraîner un modèle de langage. SleepFM a ainsi appris à « parler » le langage du sommeil.

L’astuce technique majeure a été de faire travailler ensemble tous les types de signaux (cerveau, cœur, muscles, pouls, respiration…). Ils ont développé une nouvelle méthode d’entraînement, le « leave-one-out contrastive learning ». En gros, le modèle doit apprendre à reconstituer un signal manquant à partir des autres. Cela lui permet de comprendre comment ces différentes mesures physiologiques sont liées entre elles, créant une vue d’ensemble harmonisée.

Des prédictions surprenantes pour des dizaines de maladies

Une fois entraîné, SleepFM a d’abord été testé sur des tâches classiques, comme identifier les stades du sommeil ou évaluer la sévérité de l’apnée du sommeil. Il a fait aussi bien, voire mieux, que les modèles actuels. Mais l’équipe avait un objectif plus ambitieux : prédire l’apparition future de maladies.

Pour cela, il fallait croiser les données de sommeil avec le devenir médical à long terme des patients. Ils ont eu cette chance grâce aux archives exceptionnelles du Stanford Sleep Medicine Center, fondé en 1970 par William Dement. La plus grande cohorte utilisée, environ 35 000 patients âgés de 2 à 96 ans, avait effectué des polysomnographies entre 1999 et 2024. En couplant ces enregistrements avec leurs dossiers médicaux électroniques, les chercheurs ont pu disposer d’un suivi allant jusqu’à 25 ans pour certains.

Le modèle a passé en revue plus de 1 000 catégories de maladies et en a identifié 130 dont le risque pouvait être prédit avec une précision raisonnable à partir des données du sommeil. Les prédictions étaient particulièrement solides pour les cancers, les complications de la grossesse, les problèmes circulatoires et les troubles mentaux, avec un indice C (ou concordance) supérieur à 0,8.

Petite explication : cet indice C mesure la capacité du modèle à classer correctement deux individus selon qui développera une maladie en premier. Un score de 0,8 signifie qu’il a raison dans 80% des cas. En clinique, des modèles avec un indice autour de 0,7 sont déjà considérés comme utiles.

Les résultats sont assez frappants. SleepFM excelle pour prédire la maladie de Parkinson (indice C 0.89), la démence (0.85), les cardiopathies hypertensives (0.84), les crises cardiaques (0.81), le cancer de la prostate (0.89), le cancer du sein (0.87) et même le décès (0.84). L’équipe a été agréablement surprise de voir que le modèle pouvait faire des prédictions informatives pour un ensemble aussi divers de conditions.

Comment ça marche et quelle suite pour cette découverte ?

Alors, comment l’IA arrive-t-elle à ces conclusions ? Elle ne nous le dit pas en français, bien sûr. Mais les chercheurs développent des techniques pour interpréter ce que le modèle « regarde ». Une chose est claire : ce n’est pas un seul signal qui compte, mais leur combinaison. Pour les maladies cardiaques, les signaux du cœur sont évidemment importants, et pour la santé mentale, ceux du cerveau. Mais c’est le contraste et la synchronisation (ou le manque de synchronisation) entre tous les canaux qui apporte le plus d’informations.

Emmanuel Mignot donne un exemple révélateur : un corps dont le cerveau semble endormi mais dont le cœur semble éveillé, c’est-à-dire des constituants corporels désynchronisés, semble annoncer des problèmes. C’est cette vue d’ensemble que l’IA capture.

L’équipe, dont les premiers auteurs sont Rahul Thapa et Magnus Ruud Kjaer, et qui inclut des chercheurs du Danemark et de Harvard, travaille maintenant à améliorer encore SleepFM. Ils envisagent d’ajouter des données de montres connectées et autres wearables. L’objectif est aussi de mieux comprendre les mécanismes sous-jacents aux prédictions.

Cette avancée ouvre des perspectives immenses. Imaginez : une simple nuit passée dans un labo du sommeil pourrait, grâce à l’IA, donner une évaluation personnalisée des risques pour la santé des décennies à l’avance. Cela permettrait une prévention beaucoup plus ciblée et précoce. Bien sûr, il reste du chemin avant une application clinique de routine, mais la première pierre, et elle est de taille, est posée.

Selon la source : medicalxpress.com

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