Dormir bien no es un lujo biológico, sino una forma de mantenimiento profundo
Un estudio sugiere que las ondas cerebrales registradas durante el sueño pueden delatar, años antes, quién corre más riesgo de desarrollar demencia.
Sergio Parra, Periodista científico
muyinteeresasnte.okdiario.com/22.03.2026 | 22:00
Mientras dormimos y el cuerpo desciende a ese territorio silencioso donde la conciencia se pliega, el cerebro sigue escribiendo una suerte de autobiografía eléctrica. Ahora, un equipo liderado por la Universidad de California en San Francisco y Beth Israel Deaconess Medical Center plantea que esa partitura nocturna podría revelar algo inquietante y valioso a la vez: cómo está envejeciendo realmente nuestro cerebro.
El trabajo, publicado en JAMA Network Open, analizó datos de 7.105 adultos procedentes de cinco cohortes longitudinales. Ninguno tenía demencia al inicio. Sin embargo, tras seguimientos que oscilaron entre 3,6 y 16,9 años, 1.082 participantes desarrollaron la enfermedad.
La pregunta de fondo era tan sencilla como ambiciosa: si se estima la “edad cerebral” a partir de señales de electroencefalografía (EEG) registradas durante el sueño, ¿puede esa cifra anticipar el deterioro cognitivo futuro? La respuesta fue un sí prudente, pero contundente.
Un cerebro que no siempre tiene la edad que aparenta
Los investigadores emplearon un modelo de aprendizaje automático interpretable que integró 13 rasgos microestructurales de las ondas cerebrales del sueño obtenidas en polisomnografías nocturnas domiciliarias. Con ello calcularon un índice de edad cerebral (BAI, por sus siglas en inglés) que expresa la distancia entre la edad cronológica de una persona y la que “parece” tener su cerebro según su actividad eléctrica nocturna.
Y ahí emergió el dato más llamativo: por cada aumento de 10 años en esa edad cerebral respecto a la real, el riesgo de demencia aumentó un 39%. A la inversa, cuando el cerebro parecía más joven que el carné de identidad, el riesgo era menor.
La relevancia del hallazgo no reside solo en la cifra, sino en lo que deja atrás. Durante años, muchos trabajos se apoyaron en métricas amplias del sueño (como el tiempo total dormido, la eficiencia del descanso o el reparto entre fases) para buscar relaciones con la demencia. Pero esos indicadores, aunque útiles, suelen ser demasiado gruesos para capturar la intimidad fisiológica del dormir. En este nuevo análisis, los autores defienden que la microestructura del EEG ofrece una ventana mucho más fina al envejecimiento cerebral.
La música invisible del sueño profundo
Entre los patrones que más pesaron en ese cálculo aparecieron señales bien conocidas por la neurociencia del sueño. Están, por ejemplo, las ondas delta, propias del sueño profundo, y los husos del sueño o sleep spindles, esas ráfagas breves de actividad rápida que se han relacionado con la consolidación de la memoria. No son simples adornos eléctricos: constituyen, en cierto modo, la caligrafía funcional del cerebro dormido, y su presencia o alteración puede ofrecer pistas sobre la salud cognitiva.
Uno de los resultados más sugestivos fue el papel de la kurtosis de la señal, es decir, la presencia de picos bruscos y grandes en el EEG. En especial, la llamada waveform kurtosis durante la fase N2 se asoció con un menor riesgo de demencia; los autores apuntan a que este patrón probablemente refleje actividad de complejos K, eventos de gran amplitud característicos del sueño no REM.
Dicho de otro modo: ciertos sobresaltos eléctricos del cerebro dormido podrían no ser una anomalía, sino una firma de resiliencia neurofisiológica.
Crédito: Sergio Parra / ChatGPTAdemás, la asociación entre una mayor edad cerebral y el desarrollo posterior de demencia se mantuvo incluso después de ajustar por múltiples factores que suelen enturbiar la interpretación: educación, sexo, índice de masa corporal, tabaquismo, actividad física, comorbilidades, apnea del sueño e incluso el estado genético APOE ε4. Esa persistencia estadística no convierte el índice en un oráculo infalible, pero sí en un marcador prometedor y robusto.
Dormir para escuchar el futuro
La gran ventaja de este enfoque es su naturaleza no invasiva. A diferencia de otras herramientas de detección temprana, un EEG del sueño puede obtenerse sin procedimientos agresivos y, potencialmente, fuera del entorno hospitalario.
Los autores sugieren que, con más validación, esta medida podría emplearse en contextos comunitarios o incluso integrarse en tecnologías portátiles capaces de vigilar el envejecimiento cerebral mientras el paciente duerme en casa. No se trata todavía de un test clínico listo para el gran público, pero sí de una dirección de enorme interés para la medicina preventiva.
Conviene, no obstante, no caer en el hechizo de las promesas fáciles. El estudio muestra una asociación predictiva, no una prueba definitiva de causalidad. Es decir, un cerebro que envejece “más deprisa” en el EEG del sueño no implica necesariamente que el mal pueda revertirse con una sola intervención. Aun así, el trabajo abre una posibilidad fértil: si el sueño refleja con tanta sensibilidad la salud cerebral, quizá mejorarlo ayude también a modular ese envejecimiento.
Los propios autores recuerdan que los tratamientos de trastornos del sueño pueden modificar patrones electroencefalográficos, y subrayan la importancia de medidas como reducir la apnea, controlar el peso corporal y aumentar el ejercicio físico.
En el fondo, este estudio nos devuelve una idea antigua con un ropaje nuevo: dormir bien no es un lujo biológico, sino una forma de mantenimiento profundo. Mientras creemos que la noche nos suspende, quizá en realidad nos está revelando. En el rumor eléctrico de las ondas lentas, en el destello breve de un huso, en la extraña geometría de un pico inesperado, el cerebro parece dejar señales de su porvenir. Tal vez escuchar ese idioma secreto a tiempo no evite todos los naufragios, pero sí permita encender antes la luz del faro.
Referencias
Sun, Haoqi, Sasha Milton, Yi Fang, et al. “Machine Learning–Based Sleep Electroencephalographic Brain Age Index and Dementia Risk: An Individual Participant Data Meta-Analysis.” JAMA Network Open 9, no. 3 (2026): e261521. https://doi.org/10.1001/jamanetworkopen.2026.1521.
