Un nuevo software llamado SOUP, desarrollado por investigadores de la UPM y otros centros, mejora el análisis de trastornos del sueño al contrastar hipnogramas con señales fisiológicas, optimizando diagnósticos.
Un hipnograma es una representación gráfica que ilustra las fases del sueño, utilizada para analizar su evolución a lo largo de la noche. Este gráfico muestra las diferentes etapas del sueño, incluyendo los momentos de vigilia y los despertares. Aunque la creación de hipnogramas se realiza de manera semi-automatizada, todavía requiere corrección y supervisión manual, lo que puede resultar en un proceso laborioso y propenso a errores. En la práctica clínica, es habitual que varios expertos revisen el mismo registro para alcanzar un consenso, lo cual es poco práctico. Para abordar este desafío, un equipo de investigación compuesto por académicos y clínicos, entre ellos la Universidad Politécnica de Madrid (UPM), ha desarrollado SOUP, un software diseñado para asistir a los profesionales de la salud.
A diferencia de las herramientas tradicionales que simplemente corrigen datos, SOUP actúa como un copiloto al cruzar los hipnogramas con señales fisiológicas. Esto significa que no reemplaza al médico, sino que proporciona información adicional para mejorar el diagnóstico.
Cuando se sospecha de trastornos del sueño —como apnea, insomnio o síndrome de piernas inquietas— los pacientes deben someterse a pruebas nocturnas en hospitales. Durante estas pruebas se registran diversas señales fisiológicas: actividad eléctrica cerebral, ritmo cardíaco, respiración, niveles de oxígeno y movimientos corporales. El resultado principal es el hipnograma, que representa las diferentes fases del sueño (vigilia, REM, sueño ligero y profundo). Aunque el diagnóstico se basa principalmente en la actividad eléctrica cerebral, otros indicadores fisiológicos también pueden ofrecer información valiosa sobre cada fase del sueño.
SOUP introduce una nueva dimensión al análisis al contrastar el diagnóstico original con el comportamiento fisiológico esperado. Por ejemplo, si el sistema detecta que una fase etiquetada como REM presenta un ritmo cardíaco característico del sueño profundo, genera una alerta para que el especialista revise esa sección específica. Según Josué Pagán Ortiz, investigador de la UPM involucrado en el desarrollo del software, este enfoque permite reducir considerablemente el tiempo dedicado a la revisión —que puede abarcar hasta ocho horas por paciente— y enfocar la atención en los momentos críticos.
El desarrollo de SOUP fue posible gracias a la colaboración entre la Universidad Politécnica de Madrid (UPM), la empresa HTEC GmbH, el Instituto de Investigación Sanitaria Hospital Universitario de la Princesa (IIS-Princesa) y la Universidad Complutense de Madrid (UCM). Recientemente se presentó en la revista Applied Sciences. Para validar este sistema se utilizó una base de datos que incluye más de 1300 pacientes del estudio MESA (Multi-Ethnic Study of Atherosclerosis).
Los resultados obtenidos indican que ciertas variables como el movimiento corporal están bien alineadas con las fases del sueño; sin embargo, otros indicadores como algunos aspectos del ritmo cardíaco presentan mayor variabilidad. Los investigadores han señalado que existen sesgos relacionados con sexo, edad o raza en los estándares actuales sobre el sueño que podrían comprometer su precisión. Por ello, sugieren revisar estos criterios para garantizar diagnósticos más equitativos.
La herramienta desarrollada representa un avance significativo hacia una medicina del sueño más precisa. Según Marta Verona Almeida, investigadora de la UPM y HTEC participante en el estudio: “SOUP facilita una medicina del sueño más objetiva y fiable tanto en clínica como en investigación”.