Model sztucznej inteligencji przeszkolony na bazie zapisów snu ponad 65 000 osób potrafi przewidywać ryzyko wystąpienia 130 chorób na wiele lat przed diagnozą. System osiągnął 84-proc. dokładność w przewidywaniu ryzyka śmiertelności oraz podobną wysoką dokładność w przypadku demencji, zawału serca, niewydolności serca, udaru mózgu i innych schorzeń.
Naukowcy z m.in. Uniwersytetu Stanforda oraz Uniwersytetu Kopenhaskiego, pod kierownictwem Emmanuela Mignota i Jamesa Zou, opracowali system sztucznej inteligencji, który potrafi prognozować ryzyko wystąpienia dziesiątek schorzeń na podstawie analizy zaledwie jednej nocy snu. System o nazwie SleepFM został przeszkolony na gigantycznej bazie danych zawierającej ponad 585 tys. godzin nagrań polisomnograficznych dokonanych na grupie ponad 65 tys. osób.
Precyzja w diagnozowaniu
Zgodnie z wynikami opublikowanymi w „Nature Medicine” (źródło), model AI potrafi zidentyfikować podwyższone ryzyko dla 130 chorób, często na wiele lat przed postawieniem oficjalnej diagnozy klinicznej. Skuteczność systemu jest uderzająca:
- 84% dokładności w przewidywaniu ogólnego ryzyka zgonu (wskaźnik śmiertelności);
- 85% dokładności w prognozowaniu demencji;
- Ponad 80% skuteczności w przewidywaniu zawałów serca i niewydolności serca.
Badacze wykazali, że SleepFM przewyższa tradycyjne modele oparte wyłącznie na wieku, płci czy wskaźniku BMI o 5% do 17%, co dowodzi, że w zapisie naszego snu kryją się unikalne informacje o stanie zdrowia.
CZYTAJ TEŻ: Królewski w Davos: Wzywamy do współpracy międzynarodowej i to już
CZYTAJ TEŻ: AI potrzebuje data centers, ale nie tylko…
Jak AI „czyta” nasz sen?
W przeciwieństwie do standardowych badań snu, które skupiają się na izolowanych parametrach (np. bezdechu sennym), SleepFM to system multimodalny, który analizuje jednocześnie wiele sygnałów fizjologicznych: fale mózgowe, ruchy gałek ocznych, rytm serca, napięcie mięśniowe oraz wzorce oddychania. System dzieli nagranie na pięciosekundowe segmenty i szuka w nich powiązań między różnymi typami sygnałów.
Okazuje się, że konkretne rodzaje danych odpowiadają za prognozowanie różnych grup chorób. Aktywność mózgu najlepiej pozwala przewidzieć schorzenia neurologiczne i psychiczne, takie jak choroba Parkinsona czy łagodne zaburzenia poznawcze. Z kolei sygnały oddechowe i sercowe są kluczowe w wykrywaniu przyszłych problemów metabolicznych oraz chorób układu krążenia.
Ograniczenia, wyzwania i wątpliwości w badaniach snu
Obiecująca technologia stoi obecnie jeszcze przed ograniczeniami: model opiera się na polisomnografii, która wymaga specjalistycznego sprzętu i warunków klinicznych. Rozwiązaniem mogłyby być odpowiednio przygotowane urządzenia typu wearables, które umożliwiłyby taki monitoring w domach. Oferowane dziś urządzenia konsumenckie nie pozwalają jednak na uzyskanie danych o jakości porównywalnej z uzyskiwanymi w badaniu laboratoryjnym.
Siłą rzeczy badania prowadzone jednej nocy, w obcym miejscu, mogą nie oddawać w pełni stanu zdrowia pacjenta. Co więcej, informowanie ludzi o chorobach, które mogą wystąpić za wiele lat, budzi wątpliwości natury etycznej. Taka wiedza, oparta na interpretacji AI, może prowadzić do lęku, depresji, a nawet wywoływać efekt nocebo, tj. pogorszyć samopoczucie osoby, która w danym momencie nie wykazuje żadnych objawów chorobowych.
Naukowcy przyznają również, że ich baza danych składała się głównie z osób skierowanych na badania z powodu podejrzenia zaburzeń snu, co może oznaczać, że wyniki nie są w pełni reprezentatywne dla całego społeczeństwa. Tym niemniej SleepFM jest bez wątpienia obiecującą nową technologią, która stwarza nowe możliwości i perspektywy w diagnostyce i profilaktyce.