AI przewiduje ryzyko chorób dzięki analizie snu

Naukowcy ze Stanfordu opracowali model sztucznej inteligencji SleepFM, który potrafi przewidzieć ryzyko ponad stu chorób na podstawie danych z jednej nocy.  

SleepFM analizuje dane z polisomnografii, czyli kompleksowego badania snu rejestrującego aktywność mózgu, serca, ruchy oczu i mięśni oraz sygnały oddechowe. Dotąd wykorzystywano jedynie niewielką część gromadzonych informacji. Rozwój sztucznej inteligencji pozwolił przeanalizować je w pełniejszy sposób i odkryć nowe zależności. System wytrenowano na niemal 600 tysiącach godzin zapisów fizjologicznych 65 tysięcy osób, a wyniki opisano w popularnym czasopiśmie „Nature Medicine”.

Nowe spojrzenie na sen

Główny autor opublikowanego badania prof. Emmanuel Mignot podkreślił, że nocne badania snu dostarczają ogromnej ilości sygnałów, które mogą odzwierciedlać ogólny stan zdrowia. – Podczas badania snu rejestrujemy wielki zbiór różnego rodzaju danych. Badamy całą fizjologię człowieka przez okrągłe osiem godzin – powiedział prof. Mignot. 

Aby wykorzystać potencjał danych, zespół stworzył model bazowy uczący się samodzielnie na podstawie ogromnych zbiorów informacji. SleepFM trenowano na 585 tysiącach godzin zapisów z różnych klinik snu, dzieląc je na pięciosekundowe fragmenty pełniące rolę „słów” analogicznie do dużych modeli językowych.

Metoda „leave-one-out”

Model jednocześnie analizuje wiele strumieni sygnałów, m.in. EEG, EKG, EMG, puls czy przepływ powietrza. Badacze opracowali metodę „leave-one-out”, polegającą na ukrywaniu jednego typu danych i zmuszaniu modelu do jego odtworzenia na podstawie pozostałych. Kluczowym osiągnięciem było ujednolicenie różnych rodzajów sygnałów tak, by mogły tworzyć wspólny „język”. 

Po treningu SleepFM przetestowano w standardowych zadaniach, takich jak klasyfikacja faz snu czy ocena nasilenia bezdechu. Co ciekawe, wyniki były porównywalne lub lepsze od dotychczasowych metod. Następnie sprawdzono, czy dane ze snu mogą przewidywać przyszłe problemy zdrowotne. 

Połączenie z dokumentacją medyczną

W tym celu połączono zapisy polisomnograficzne z wieloletnią dokumentacją medyczną pacjentów Stanford Sleep Medicine Center. Największa grupa, czyli ok. 35 tys. osób w wieku od 2 do 96 lat była monitorowana w latach 1999–2024, co pozwoliło śledzić ich stan zdrowia nawet przez 25 lat.

Aż 130 chorób możliwych do przewidzenia

SleepFM przeanalizował ponad tysiąc kategorii chorób i wskazał 130 schorzeń, których ryzyko można przewidywać z dużą dokładnością. Najlepsze wyniki uzyskano w prognozowaniu nowotworów, powikłań ciążowych, chorób układu krążenia i zaburzeń psychicznych. Wskaźnik zgodności (C-index) przekraczał 0,8, co oznacza trafność prognoz na poziomie 80%.

Warto podkreślić, że model bardzo dobrze przewidywał m.in. chorobę Parkinsona (C-index 0,89), otępienie (0,85), nadciśnienie (0,84), zawał serca (0,81), raka prostaty (0,89) i raka piersi (0,87). Potrafił także ocenić ryzyko zgonu (0,84). Nawet niższe wyniki, ok. 0,7 okazały się użyteczne klinicznie, np. przy przewidywaniu reakcji na terapie onkologiczne. – Jesteśmy przyjemnie zaskoczeni, że model potrafił trafnie prognozować tak zróżnicowane zaburzenia – powiedział prof. Zou.

Obecnie zespół pracuje nad dalszym rozwojem modelu, m.in. z integracją danych z urządzeń ubieralnych oraz ulepszaniem metod interpretacji, które pozwolą zrozumieć, na jakich sygnałach AI opiera swoje prognozy. Wstępne analizy wskazują, że sygnały z serca są kluczowe przy chorobach układu krążenia, a sygnały mózgowe przy zaburzeniach psychicznych. Najwięcej informacji uzyskiwano jednak wtedy, gdy model analizował wiele kanałów jednocześnie. Szczególnie niepokojącym wzorcem były sytuacje, w których różne układy organizmu działały niespójnie, mózg wskazywał na sen, podczas gdy serce pozostawało nadmiernie aktywne.