Neklidná noc často vede k únavě následujícího dne, ale může také naznačovat zdravotní problémy, které se mohou projevit až mnohem později. Vědci ze Stanford Medicine a jejich spolupracovníci vyvinuli systém umělé inteligence, který dokáže zkoumat signály těla z jedné noci spánku a vyhodnotit riziko více než 100 různých onemocnění u dané osoby. Systém s názvem SleepFM byl vycvičen pomocí téměř 600 000 hodin záznamů spánku od 65 000 lidí. Tyto záznamy pocházejí z polysomnografie, což je podrobný test spánku, který pomocí několika senzorů sleduje mozkovou aktivitu, srdeční funkci, dýchací vzorce, pohyby očí, pohyby nohou a další fyzické signály během spánku.

Studie spánku obsahují nevyužité zdravotní údaje

Polysomnografie je považována za zlatý standard pro hodnocení spánku a obvykle se provádí přes noc v laboratoři. Ačkoli se často používá k diagnostice poruch spánku, vědci si uvědomili, že také zachycuje velké množství fyziologických informací, které dosud nebyly plně analyzovány. „Při studiu spánku zaznamenáváme ohromné množství signálů,“ řekl Dr. Emmanual Mignot, PhD, profesor spánkové medicíny Craig Reynolds a spoluautor nové studie publikované v časopise Nature Medicine. „Jedná se o druh obecné fyziologie, kterou studujeme po dobu osmi hodin u osoby, která je zcela v naší péči. Data jsou velmi rozsáhlá.“

V běžné klinické praxi se zkoumá pouze malá část těchto informací. Díky nedávným pokrokům v oblasti umělé inteligence mohou vědci nyní tyto rozsáhlé a komplexní datové soubory analyzovat důkladněji. Podle týmu je tato práce první, která aplikuje AI na data o spánku v takovém měřítku. „Z pohledu AI je spánek relativně málo prozkoumán. Existuje mnoho jiných prací v oblasti AI, které se zabývají patologií nebo kardiologií, ale relativně málo se zabývá spánkem, i když je spánek tak důležitou součástí života,“ řekl James Zou, PhD, docent biomedicínské datové vědy a spoluautor studie.

Učení AI spánkových vzorců

Aby získali poznatky z dat, vyvinuli vědci základní model, typ umělé inteligence navržený tak, aby se učil obecné vzorce z velmi velkých datových sad a poté tyto znalosti aplikoval na mnoho úkolů. Velké jazykové modely, jako je ChatGPT, používají podobný přístup, ale jsou trénovány na textu, nikoli na biologických signálech. SleepFM byl trénován na 585 000 hodinách polysomnografických dat shromážděných od pacientů, kteří byli vyšetřeni ve spánkových klinikách. Každá relace monitorování spánku byla rozdělena na pětisekundové segmenty, které fungují podobně jako slova používaná k trénování jazykových systémů AI. SleepFM se v podstatě učí jazyk spánku, řekl Zou.

Model integruje více informačních toků, včetně mozkových signálů, srdečních rytmů, svalové aktivity, měření pulsu a proudění vzduchu během dýchání, a učí se, jak tyto signály vzájemně interagují. Aby systém lépe rozuměl těmto vztahům, vyvinuli vědci tréninkovou metodu nazvanou „Leave-One-Out Contrastive Learning” (kontrastivní učení s vynecháním jednoho). V tomto přístupu je vždy odstraněn jeden typ signálu a model je požádán, aby jej rekonstruoval pomocí zbývajících dat. Jednou z technických inovací, kterých v této práci dosáhli, je zjištění, jak harmonizovat všechny tyto různé datové modality, aby se mohly spojit a naučit se stejný jazyk.

Předpovídání budoucích onemocnění na základě spánku

Po tréninku vědci model přizpůsobili pro konkrétní úkoly. Nejprve jej otestovali ve standardních studiích spánku, jako je identifikace fází spánku a hodnocení závažnosti spánkové apnoe. V těchto testech SleepFM dosáhl stejných nebo dokonce lepších výsledků než současné přední modely. Tým se poté pustil do ambicióznějšího cíle: zjistit, zda data o spánku mohou předpovídat budoucí onemocnění. Za tímto účelem propojili záznamy polysomnografie s dlouhodobými zdravotními výsledky stejných osob. To bylo možné díky tomu, že vědci měli přístup k desítkám let lékařských záznamů z jedné spánkové kliniky.

Stanford Sleep Medicine Center bylo založeno v roce 1970 zesnulým Dr. Williamem Dementem, PhD, který je široce považován za otce spánkové medicíny. Největší skupina použitá k trénování SleepFM zahrnovala asi 35 000 pacientů ve věku od 2 do 96 let. Jejich studie spánku byly zaznamenány v klinice v letech 1999 až 2024 a porovnány s elektronickými zdravotními záznamy, které sledovaly některé pacienty po dobu až 25 let. Záznamy polysomnografie kliniky sahají ještě dále do minulosti, ale pouze v papírové podobě, podle Mignota, který vedl centrum spánkové medicíny v letech 2010 až 2019. Pomocí tohoto kombinovaného souboru dat SleepFM přezkoumalo více než 1 000 kategorií onemocnění a identifikovalo 130 stavů, které bylo možné předpovědět s přiměřenou přesností pouze na základě údajů o spánku. Nejlepších výsledků bylo dosaženo u rakoviny, komplikací v těhotenství, oběhových onemocnění a duševních poruch, kde predikční hodnoty přesáhly C-index 0,8.