Ένα μοντέλο τεχνητής νοημοσύνης που δημιούργησαν ερευνητές της Ιατρικής Σχολής του Πανεπιστημίου Στάνφορντ δείχνει ότι ο ύπνος μπορεί να προβλέψει τον κίνδυνο εμφάνισης περισσότερων από 100 ασθενειών, από καρδιοπάθειες έως καρκίνο. Το SleepFM βασίζεται σε δεδομένα μίας μόνο νύχτας ύπνου.
Οι επιστήμονες αξιοποίησαν περίπου 600.000 ώρες καταγραφών ύπνου και εξέτασαν σύνθετες παραμέτρους. Στην ανάλυση αναδείχθηκε η σημασία των αλληλεπιδράσεων ανάμεσα στα διαφορετικά σήματα του σώματος.
Στα επόμενα βήματα, η ερευνητική ομάδα σχεδιάζει να προσθέσει δεδομένα από φορετές συσκευές. Στόχος είναι ο ύπνος να αποτελέσει ένα ισχυρό εργαλείο προληπτικής ιατρικής για την υγεία.
Ερευνητές της Ιατρικής Σχολής του Πανεπιστημίου Στάνφορντ δημιούργησαν ένα νέο μοντέλο τεχνητής νοημοσύνης, το οποίο αντιμετωπίζει τον ύπνο ως «παράθυρο» στη μελλοντική υγεία. Η μελέτη δείχνει ότι οι καταγραφές από μία νύχτα μπορούν να χρησιμοποιηθούν για την πρόβλεψη του κινδύνου για περισσότερες από 100 διαφορετικές παθήσεις.
Με την ονομασία SleepFM, το μοντέλο εκπαιδεύτηκε με σχεδόν 600.000 ώρες δεδομένων από περίπου 65.000 ανθρώπους. Οι καταγραφές προήλθαν από την καθιερωμένη διαγνωστική εξέταση ύπνου, η οποία παρακολουθεί πολλές λειτουργίες του οργανισμού στη διάρκεια της νύχτας.
Ο ύπνος ως πλούσια πηγή δεδομένων
Στην εξέταση, αισθητήρες παρακολουθούν την εγκεφαλική λειτουργία, τους παλμούς της καρδιάς, την αναπνοή και την ποσότητα οξυγόνου στο αίμα. Παράλληλα, καταγράφονται οι κινήσεις των ματιών και των ποδιών, καθώς και άλλες φυσιολογικές λειτουργίες.
Η συγκεκριμένη εξέταση διενεργείται εδώ και πολλές δεκαετίες, όμως σημαντικό τμήμα των πληροφοριών που συλλέγει δεν έχει αξιοποιηθεί. Οι ερευνητές τονίζουν ότι οι εξελίξεις στην τεχνητή νοημοσύνη καθιστούν πλέον εφικτή την επεξεργασία τέτοιων σύνθετων σημάτων σε πρωτόγνωρη κλίμακα.
Πώς το SleepFM αποκωδικοποιεί τη «γλώσσα» του ύπνου
Το SleepFM είναι ένα foundation model: πρόκειται για μοντέλα που εκπαιδεύονται αυτόνομα με τεράστιες ποσότητες δεδομένων και μπορούν κατόπιν να αξιοποιήσουν όσα έμαθαν σε διαφορετικές εργασίες. Παρόμοια προσέγγιση ακολουθούν και τα μεγάλα γλωσσικά μοντέλα.
Για την επεξεργασία των δεδομένων ύπνου, οι καταγραφές τεμαχίστηκαν σε διαστήματα των πέντε δευτερολέπτων. Έτσι, το μοντέλο εκπαιδεύτηκε να αναγνωρίζει μοτίβα και σχέσεις ανάμεσα στα σήματα του οργανισμού.
Η ομάδα χρησιμοποίησε ακόμη μια ειδική διαδικασία εκπαίδευσης: το μοντέλο έπρεπε να αναπληρώνει ένα σήμα που απουσίαζε, αξιοποιώντας τα υπόλοιπα. Μέσω αυτής της μεθόδου, το SleepFM μαθαίνει τις αλληλεπιδράσεις του εγκεφάλου, της καρδιάς και του αναπνευστικού συστήματος όσο διαρκεί ο ύπνος.
Πώς η ανάλυση του ύπνου οδηγεί σε προβλέψεις για ασθένειες
Σε πρώτο στάδιο, οι ερευνητές αξιολόγησαν το μοντέλο σε συνηθισμένες εφαρμογές, όπως η ταξινόμηση των σταδίων ύπνου και η μέτρηση της βαρύτητας της υπνικής άπνοιας. Η απόδοσή του ήταν αντίστοιχη ή ανώτερη από εκείνη των υπαρχόντων συστημάτων.
Το σημαντικότερο εύρημα ήρθε από τη σύγκριση των καταγραφών ύπνου με τα ιατρικά αρχεία των ίδιων συμμετεχόντων σε βάθος χρόνου. Για ορισμένα άτομα, η παρακολούθηση που περιλαμβανόταν στα αρχεία έφτανε έως και τα 25 χρόνια.
Με ικανοποιητική ακρίβεια, το SleepFM προέβλεψε 130 παθήσεις, όπως καρδιαγγειακά νοσήματα, νευροεκφυλιστικές ασθένειες, καρκίνους, ψυχικές διαταραχές και τη συνολική θνησιμότητα. Η επίδοση ήταν ιδιαίτερα υψηλή για τη νόσο Πάρκινσον, την άνοια, το έμφραγμα και ορισμένους τύπους καρκίνου.
Ποια στοιχεία του ύπνου αναλύει το μοντέλο
Τα μοντέλα τεχνητής νοημοσύνης συχνά χαρακτηρίζονται «μαύρα κουτιά», αλλά οι ερευνητές ήδη αναπτύσσουν τρόπους για να εξηγούν τις προβλέψεις τους. Οι αρχικές ενδείξεις υπογραμμίζουν ότι κανένα μεμονωμένο στοιχείο δεν αρκεί για να δώσει από μόνο του την εικόνα.
Καθοριστικό ρόλο έχει ο τρόπος με τον οποίο συνδυάζονται τα σήματα. Ενδεικτικά, όταν η εγκεφαλική δραστηριότητα έδειχνε ύπνο, ενώ η καρδιά παρέμενε σε εγρήγορση, η ασυμφωνία αυτή ανάμεσα στον εγκέφαλο και την καρδιά φάνηκε να συνδέεται με υψηλότερο μελλοντικό κίνδυνο για προβλήματα υγείας.
Η προοπτική μιας πιο προληπτικής ιατρικής
Κατά τους ερευνητές, το SleepFM θα μπορούσε αργότερα να συνδυάζει και στοιχεία από φορετές συσκευές. Αυτό θα επέτρεπε πιο προσιτή και συνεχή αξιολόγηση της υγείας με βάση τον ύπνο.
Εφόσον τα αποτελέσματα επιβεβαιωθούν και σε μεγαλύτερες πληθυσμιακές ομάδες, ο ύπνος μπορεί να αναδειχθεί σε ισχυρό εργαλείο προληπτικής ιατρικής. Θα μπορούσε έτσι να παρέχει σημαντικές πληροφορίες για την υγεία πολύ πριν από την εμφάνιση των πρώτων συμπτωμάτων.
Συνοπτικά
- Με βάση στοιχεία από μία νύχτα ύπνου, το νέο μοντέλο τεχνητής νοημοσύνης SleepFM του Πανεπιστημίου Στάνφορντ μπορεί να υπολογίσει τον κίνδυνο εμφάνισης περισσότερων από 100 ασθενειών.
- Οι ερευνητές εξέτασαν σχεδόν 600.000 ώρες καταγραφών ύπνου, μελετώντας τις σχέσεις ανάμεσα σε διαφορετικά σωματικά σήματα.
- Το SleepFM έχει καταγράψει ικανοποιητικές επιδόσεις στην πρόβλεψη σοβαρών παθήσεων, μεταξύ των οποίων καρδιοπάθειες και καρκίνος, ενώ υψηλή επιτυχία εμφάνισε για νόσους όπως η Πάρκινσον και η άνοια.
- Η ομάδα συνεχίζει να διερευνά πώς προκύπτουν οι προβλέψεις, αποδεικνύοντας ότι ο συνδυασμός των σωματικών σημάτων μετρά περισσότερο από κάθε δεδομένο μεμονωμένα.
- Για τα επόμενα χρόνια προγραμματίζεται η ενσωμάτωση δεδομένων από φορετές συσκευές στο SleepFM, με στόχο να ενισχυθεί η προληπτική ιατρική μέσω της ανάλυσης του ύπνου.
Το άρθρο στο ygeiax.gr: https://www.ygeiax.gr/health/ypnos-apokalyptei-to-mystiko-piso-apo-100-astheneies/17273
