Najnowszy system AI opracowany przez naukowców ze Stanford analizuje dane z jednej nocy snu, aby z wyprzedzeniem wykryć ryzyko ponad 100 chorób, w tym nowotworów, demencji i chorób serca.
Sztuczna inteligencja w służbie medycyny
Naukowcy ze Stanford Medicine stworzyli innowacyjny system AI o nazwie SleepFM, który potrafi przewidzieć ryzyko rozwoju ponad 100 poważnych chorób na podstawie analizy danych z jednej nocy snu. Wykorzystując szczegółowe sygnały fizjologiczne mózgu, serca i układu oddechowego, system identyfikuje ukryte wzorce, które mogą wskazywać na przyszłe problemy zdrowotne.
SleepFM został wytrenowany na podstawie niemal 600 tysięcy godzin nagrań polisomnograficznych od 65 tysięcy osób
Polisomnografia to kompleksowe badanie snu, które monitoruje aktywność mózgu, funkcje serca, wzorce oddychania oraz ruchy ciała podczas snu, dostarczając bogatych danych fizjologicznych.
Niewykorzystany potencjał badań snu
Choć polisomnografia jest standardem w diagnostyce zaburzeń snu, do tej pory wykorzystywano jedynie fragment informacji, które dostarcza. Badacze zauważyli, że dane te kryją znacznie więcej informacji o ogólnym stanie zdrowia, które dotychczas pozostawały nieodkryte.
Dzięki postępom w sztucznej inteligencji możliwe stało się analizowanie ogromnych i złożonych zbiorów danych z badań snu na niespotykaną dotąd skalę. SleepFM jest pierwszym modelem AI, który wykorzystuje tak rozbudowane dane polisomnograficzne do przewidywania ryzyka chorób.
Jak AI uczy się języka snu
SleepFM to tzw. model bazowy, który uczy się szerokich wzorców z ogromnych zbiorów danych i potrafi wykorzystać tę wiedzę do różnych zadań. Podobnie jak duże modele językowe, np. ChatGPT, które uczą się na tekstach, SleepFM uczy się „języka snu” na podstawie krótkich segmentów danych z polisomnografii.
Model integruje sygnały z mózgu, serca, mięśni, pulsu i oddychania, ucząc się ich wzajemnych zależności. Innowacyjną techniką treningową było stopniowe usuwanie poszczególnych sygnałów i zmuszanie systemu do ich odtworzenia na podstawie pozostałych danych, co pozwoliło na harmonizację różnych rodzajów informacji.
Przewidywanie chorób na podstawie snu
Po fazie treningu SleepFM sprawdzono w standardowych testach snu, takich jak rozpoznawanie faz snu czy ocena bezdechu sennego, gdzie system osiągnął wyniki porównywalne lub lepsze od najlepszych obecnych modeli.
Następnie badacze powiązali dane z polisomnografii z wieloletnimi wynikami zdrowotnymi pacjentów, korzystając z elektronicznych kart zdrowia sięgających nawet 25 lat. Analiza ponad 1000 kategorii chorób wykazała, że SleepFM potrafi z dużą dokładnością przewidzieć 130 schorzeń, zwłaszcza nowotwory, powikłania ciążowe, choroby układu krążenia oraz zaburzenia psychiczne.
Dokładność i interpretacja wyników
Skuteczność modelu oceniono za pomocą indeksu zgodności (C-index), który mierzy, jak często system poprawnie wskazuje, kto z dwóch pacjentów zachoruje wcześniej. Wyniki powyżej 0,8 świadczą o wysokiej precyzji. SleepFM osiągnął m.in. 0,89 dla choroby Parkinsona i raka prostaty oraz 0,87 dla raka piersi.
Badacze podkreślają, że nawet modele o niższej dokładności, z C-index około 0,7, są już stosowane w praktyce klinicznej. Obecnie trwają prace nad lepszym zrozumieniem, jakie sygnały i wzorce są kluczowe dla poszczególnych prognoz oraz nad rozszerzeniem danych o informacje z urządzeń noszonych.
Znaczenie synchronizacji sygnałów biologicznych
Analiza wykazała, że najlepsze wyniki daje łączenie różnych typów sygnałów. Na przykład sygnały sercowe były bardziej istotne przy przewidywaniu chorób układu krążenia, a mózgowe przy zaburzeniach psychicznych. Szczególnie niepokojące są rozbieżności między sygnałami, np. gdy mózg wykazuje oznaki snu, a serce pozostaje aktywne, co może wskazywać na ryzyko chorób.
Perspektywy i wyzwania
SleepFM to przełomowe narzędzie, które może zrewolucjonizować wczesną diagnostykę i profilaktykę wielu chorób. Jednak konieczne jest dalsze doskonalenie modelu, weryfikacja jego działania w różnych populacjach oraz rozwijanie metod interpretacji wyników, aby lepiej zrozumieć mechanizmy stojące za przewidywaniami AI.
Oryginalny tekst: Stanford’s AI spots hidden disease warnings that show up while you sleep | ScienceDaily