Prema navodima istraživača, umjetna inteligencija može koristiti snimke moždane aktivnosti iz jedne noći provedene u laboratoriju za spavanje za predviđanje rizika od razvoja više od 100 zdravstvenih stanja.

Model umjetne inteligencije SleepFM treniran je na više od 500.000 sati podataka o spavanju prikupljenih polisomnografijom od 65.000 sudionika.

Neiskorišteni rudnik zdravstvenih podataka

Polisomnografija se smatra zlatnim standardom za cjelonoćno ispitivanje spavanja jer koristi različite senzore za bilježenje moždane aktivnosti, srčane aktivnosti, respiratornih signala, pokreta tijela, pokreta očiju i drugih podataka. Istraživači navode da ona predstavlja "neiskorišteni rudnik zlata fizioloških podataka".

Ako spavate u ovom položaju, liječnici savjetuju da odmah prestanete

"Bilježimo nevjerojatan broj signala kada proučavamo san", izjavio je voditelj studije dr. Emmanuel Mignot sa Stanford Medicine u Palo Altu, Kalifornija.

Istraživači su izgradili model umjetne inteligencije i trenirali ga na 585.000 sati polisomnografskih podataka pacijenata čiji je san procijenjen u različitim klinikama za spavanje, kako bi iskoristili tu riznicu podataka o spavanju.

Preciznost u ranoj detekciji bolesti

Istraživači su najprije testirali model na standardnim zadacima analize sna, uključujući klasificiranje faza sna i dijagnosticiranje težine apneje u snu. SleepFM je postigao rezultate usporedive ili bolje od trenutno najsuvremenijih modela.

Nakon toga, istraživači su povezali polisomnografske podatke 35.000 odraslih i djece liječenih u centru Stanford Sleep Medicine od 1999. do 2024. godine s njihovim dugoročnim zdravstvenim ishodima, koristeći elektroničke zdravstvene zapise.

Od više od 1.000 analiziranih kategorija bolesti, model je identificirao 130 koje se mogu predvidjeti s razumnom točnošću na temelju podataka o spavanju. Među njima su smrtnost od svih uzroka, demencija, srčani udar, zatajenje srca, kronična bubrežna bolest, moždani udar i fibrilacija atrija.

Budućnost dijagnostike i nosivih uređaja

Prema izvješću tima u časopisu Nature Medicine, za određene karcinome, komplikacije u trudnoći, krvožilna stanja i mentalne poremećaje, predviđanja AI modela bila su točna u više od 80 posto slučajeva.

Istraživači još uvijek ne razumiju u potpunosti koje značajke SleepFM koristi pri donošenju specifičnih predviđanja bolesti. Trenutno rade na razjašnjavanju tih mehanizama i na poboljšanju modela, primjerice dodavanjem podataka s nosivih uređaja poput pametnih satova.