En analysant notre sommeil, une IA est capable d’anticiper 130 maladies
L’information mérite d’être prise au sérieux, car publiée le 6 janvier 2026 dans une revue scientifique de premier plan : Nature Medicine. Des chercheurs ont développé SleepFM, une intelligence artificielle (IA) qui serait capable de prédire 130 pathologies à partir d’une seule nuit d’enregistrement du sommeil, un examen appelé polysomnographie. Celle-ci enregistre simultanément plusieurs signaux physiologiques comme l’activité cérébrale, cardiaque, musculaire et respiratoire pendant le sommeil. Autant de paramètres sur lesquels l’IA SleepFM a été entraînée à partir de 585 000 heures d’enregistrements nocturnes de 65 000 personnes.
Comment l’IA détecte des signaux faibles : décoder le sommeil pour prédire la maladie
Le sommeil est un processus complexe reposant sur des interactions fines entre plusieurs systèmes physiologiques. La polysomnographie capte ces interactions par une analyse multimodale de différents signaux, incluant l’activité électrique cérébrale (avec l’électroencéphalogramme et l’électrooculogramme), celle du cœur (électrocardiographie), des muscles (électromyographie) ainsi que les signaux respiratoires.
Ainsi, SleepFM produit des représentations du sommeil qui capturent sa structure physiologique et temporelle et permettent une prédiction précise du risque de maladies futures. Les chercheurs estiment que SleepFM pourrait ainsi identifier des dizaines de maladies bien avant leur manifestation, comme les maladies d’Alzheimer, de Parkinson, certains cancers, les maladies cardiovasculaires ou le diabète, en se basant sur ces 4 types de signaux : l’activité cérébrale, les battements cardiaques, les contractions musculaires et la respiration. « En exploitant les codes de maladies des dossiers médicaux électroniques (DME), nous avons développé un cadre permettant (à l’IA, ndlr) d’explorer systématiquement les associations prédictives entre le sommeil multimodal (et les signaux décrits plus haut, ndlr) et diverses affections », décrivent les chercheurs.
Les performances sont remarquables : à partir d’une seule nuit de sommeil, le modèle prédit la mortalité (toutes causes confondues) avec un indice de concordance de 0,84. L’indice de concordance étant un indice compris entre 0 et 1. Plus l’on s’approche du 1, plus les prédictions sont exactes.
Pour les démences l’indice s’établit à 0,85, pour l’infarctus à 0,81 et pour l’insuffisance cardiaque, il se situe à 0,80. Il en va de même pour l’insuffisance rénale chronique (0,79), l’accident vasculaire cérébral (0,78) et la fibrillation auriculaire (0,78). Autrement dit, selon les auteurs, « le modèle présente d’excellentes performances pour la prédiction du décès, de la démence, de l’insuffisance cardiaque et de l’insuffisance rénale chronique ».
L’IA SleepFM confrontée avec succès aux modèles existants
Pour évaluer son efficacité, les chercheurs ont comparé SleepFM à deux méthodes classiques. Ils expliquent : « le modèle SleepFM estime le risque de décès toutes causes confondues avec une précision supérieure à celle d’un modèle fondé sur les données démographiques et à celle d’un modèle PSG analysé de bout en bout. Ce résultat montre que la phase de pré-entraînement permet d’identifier des signaux faibles liés au risque de décès notamment, dans les enregistrements polysomnographiques. »
La validation externe confirme ces résultats. Sur une cohorte totalement indépendante de celle utilisée pour l’entraînement de la machine, SleepFM conserve de solides performances.
Des anomalies du sommeil caractéristiques
D’après les auteurs, leurs travaux établissent un lien étroit entre le risque de développer certaines pathologies et plusieurs paramètres liés au sommeil : par exemple, une charge d’éveil élevée (sommeil fragmenté, marqué par de nombreux micro-réveils ou des périodes d’éveil prolongées…), ou encore des anomalies du sommeil paradoxal (plusieurs années avant l’apparition de la maladie de Parkinson), voire des troubles respiratoires nocturnes et une hypoxémie marquée : des micro-arrêts respiratoires nocturnes précèdent souvent les événements cardiaques. Ils apparaissent également prédictifs des démences séniles.
SleepFM semble combiner l’ensemble de ces dimensions en intégrant les événements respiratoires, la fragmentation des cycles, la charge d’éveil, l’efficacité globale ainsi que des marqueurs classiques associés aux pathologies cardiovasculaires, métaboliques et systémiques.
Il restera aux chercheurs à généraliser ces résultats à l’ensemble de la population, l’étude ayant porté principalement sur des patients consultant déjà pour des troubles du sommeil.
