La apnea obstructiva del sueño afecta a entre el 1% y el 5% de la población infantil y, sin tratamiento, deriva en problemas cognitivos, conductuales y cardiovasculares que pueden persistir en la edad adulta. A pesar de su prevalencia y consecuencias, se estima que alrededor del 90% de los niños afectados no reciben diagnóstico, en gran parte porque el método estándar —la polisomnografía— exige dormir en laboratorio especializado con el consiguiente coste y lista de espera.
El Grupo de Ingeniería Biomédica de la Universidad de Valladolid ha desarrollado un sistema de inteligencia artificial explicable que detecta este trastorno combinando únicamente dos señales: el electrocardiograma (ECG) y la saturación de oxígeno en sangre (SpO2). El modelo, entrenado con datos de 3.320 niños procedentes de tres bases de datos clínicas internacionales, aplica la técnica SHAP para identificar visualmente qué patrones cardíacos activan el diagnóstico, haciendo el razonamiento del algoritmo comprensible para los clínicos.
El impacto es doble: para el paciente, un cribado no invasivo y ambulatorio que puede realizarse en atención primaria; para el sistema sanitario, la eliminación de la polisomnografía completa en aproximadamente la mitad de los casos. En los cuadros más severos —los de mayor urgencia clínica— el sistema alcanzó una precisión diagnóstica del 95%.
El sistema está validado en laboratorio y listo para implementación en centros clínicos, pendiente de pruebas en entornos reales antes de su generalización. El estudio ha sido publicado en la revista Measurement y cuenta con financiación del MICIU y fondos NextGenerationEU.
Artículo escrito por el equipo de redacción de la Universidad de Valladolid
11/06/2026
Source:
Gabinete de Comunicación – Universidad de Valladolid