Ty śpisz, on diagnozuje. Nowy model sztucznej inteligencji potrafi wyczytać choroby ze snu

Naukowcy z Uniwersytetu Stanforda przedstawili przełomowy model sztucznej inteligencji, zdolny do prognozowania ponad 100 chorób na podstawie analizy zaledwie jednej nocy snu. SleepFM jest tak dobrym diagnostą, że może zrewolucjonizować medycynę i pomóc w przewidywaniu chorób na długo (nawet wiele lat) przed pierwszymi objawami. To także kolejny dowód na ogromne znaczenie zdrowotne snu.

Polisomnografia: kopalnia wiedzy o zdrowiu

SleepFM został wytrenowany na blisko 600 000 godzinach danych polisomnograficznych pochodzących od 65 000 uczestników. Duże modele językowe, takie jak ChatGPT, działają na podobnej zasadzie, ucząc się na ogromnej ilości tekstów.

Polisomnografia to kompleksowe badanie snu, które monitoruje wiele funkcji organizmu w nocy: pracę mózgu, akcję serca, oddech, napięcie mięśni, ruchy gałek ocznych, natlenienie krwi. Jest uznawana za „złoty standard” w badaniach snu i wykonywana coraz częściej w wyspecjalizowanych ośrodkach.

Według badaczy polisomnografia to jeszcze nie w pełni wykorzystana kopalnia wiedzy o zdrowiu pacjenta. Podczas całonocnego badania rejestrowany jest niezwykle bogaty zestaw sygnałów fizjologicznych, a badana osoba, z racji pogrążenia we śnie, jest w pełni „dostępna” dla czujników.

Jak SleepFM uczył się „języka snu” ?

James Zou, jeden z głównych autorów badania, opisuje jak uczono SleepFM „języka snu”. Dane polisomnograficzne były dzielone na pięciosekundowe interwały, które można porównać do słów w modelach językowych. Aby umożliwić AI skuteczne wyciąganie wniosków, naukowcy opracowali nowatorską technikę szkoleniową, nazwaną „leave-one-out contrastive learning”.

Metoda ta polegała na celowym ukrywaniu przed modelem niewielkiej części danych i rzucaniu mu wyzwania, by zrekonstruował brakujący element na podstawie pozostałych sygnałów. Dzięki temu system nauczył się łączyć różne strumienie informacji i tworzyć spójny obraz stanu zdrowia pacjenta.

Ostateczny test dla SleepFM

Po zakończeniu szkolenia przyszedł czas na testy. W standardowych „zadaniach” medycznych, takich jak klasyfikacja faz snu czy ocena poziomu bezdechu sennego, model poradził sobie równie dobrze lub lepiej niż obecnie stosowane, wyspecjalizowane systemy.

Ale najważniejsze było co innego: połączenie danych ze snu z wynikami badań pacjentów. Wykorzystano do tego kolejne ogromne zbiory danych ze Stanford Sleep Medicine Center, instytutu założonego w 1970 roku przez dr. Williama Dementa, uznawanego za ojca medycyny snu. Dzięki temu naukowcy dysponowali dokumentacją medyczną obejmującą nawet 25 lat u niektórych pacjentów, co pozwoliło na rzetelną weryfikację prognoz SleepFM.

Imponująca skuteczność w prognozowaniu chorób

SleepFM przeanalizował ponad 1000 kategorii chorób i wyodrębnił 130, które można przewidzieć z dużą dokładnością. Jego skuteczność zmierzono wskaźnikiem C-index, który określa zdolność do poprawnego uszeregowania osób pod kątem ryzyka wystąpienia zdarzenia (np. zawału). Wskaźnik na poziomie 0,8 oznacza, że w 80% przypadków przewidywania modelu są trafne.

SleepFM osiągnął wybitne wyniki w diagnozowaniu m.in.:

• choroby Parkinsona (C-index 0,89),
• nowotworu prostaty (0,89),
• nowotworu piersi (0,87),
• demencji (0,85),
• ryzyka zgonu (0,84),
• choroby nadciśnieniowej serca (0,84),
• zawału serca (0,81).

W warunkach klinicznych za użyteczne uznaje się już modele o wskaźniku około 0,7, co oznacza że SleepFM był od nich wyraźnie lepszy.

Połączenie kardiologa z psychiatrą

Zespół pracuje nad sposobami dalszego ulepszania SleepFM. W planach jest wykorzystanie danych z urządzeń ubieralnych, np. zegarków i opasek fitness. Naukowcy zauważają, że choć dane o pracy serca odgrywają większą rolę w przewidywaniu chorób serca, a mózgowe są ważniejsze w prognozowaniu zaburzeń psychicznych – to holistyczne połączenie wszystkich danych dawało najdokładniejsze prognozy.

Najczęściej przyszłe problemy ze zdrowiem zapowiadał brak synchronizacji układów organizmu – na przykład mózg wyglądający na śpiący, podczas gdy serce pracowało jak podczas czuwania. Wykorzystanie tego faktu z pewnością przyniesie kolejne ulepszenia SleepFM.

Źródło: Stanford Medicine

Nasza autorka

Magdalena Rudzka

Dziennikarka „National Geographic Traveler" i „Kaleidoscope". Przez wiele lat również fotoedytorka w agencjach fotograficznych i magazynach. W National-Geographic.pl pisze przede wszystkim o przyrodzie. Lubi podróże po nieoczywistych miejscach, mięso i wino.