Una notte insonne spesso porta ad affaticamento il giorno successivo, ma può anche indicare problemi di salute che potrebbero manifestarsi solo molto più tardi. Gli scienziati della Stanford Medicine e i loro collaboratori hanno sviluppato un sistema di intelligenza artificiale in grado di esaminare i segnali del corpo durante una singola notte di sonno e valutare il rischio di una persona di contrarre più di 100 malattie diverse. Il sistema, chiamato SleepFM, è stato addestrato utilizzando quasi 600.000 ore di registrazioni del sonno di 65.000 persone. Queste registrazioni provengono dalla polisonnografia, un test approfondito del sonno che utilizza più sensori per monitorare l’attività cerebrale, la funzione cardiaca, i modelli respiratori, i movimenti oculari, i movimenti delle gambe e altri segnali fisici durante il sonno.

Gli studi sul sonno contengono dati sanitari non sfruttati

La polisonnografia è considerata il gold standard per la valutazione del sonno e viene tipicamente eseguita durante la notte in un laboratorio. Sebbene sia spesso utilizzata per diagnosticare i disturbi del sonno, i ricercatori hanno riconosciuto che cattura anche una grande quantità di informazioni fisiologiche che non sono state ancora analizzate completamente. “Quando studiamo il sonno, registriamo un numero sorprendente di segnali”, ha affermato il dottor Emmanual Mignot, PhD, Craig Reynolds Professor of Sleep Medicine e coautore senior del nuovo studio pubblicato su Nature Medicine. “Si tratta di una sorta di fisiologia generale che studiamo per otto ore in una persona completamente sotto la nostra cura. I dati sono molto estesi”.

Nella pratica clinica di routine, solo una piccola parte di queste informazioni viene esaminata. Grazie ai recenti progressi nell’intelligenza artificiale, i ricercatori possono ora analizzare questi set di dati grandi e complessi in modo più approfondito. Secondo il team, questo lavoro è il primo ad applicare l’IA ai dati sul sonno su così larga scala. “Dal punto di vista dell’IA, il sonno è relativamente poco studiato. Esistono molti altri lavori di IA che trattano la patologia o la cardiologia, ma relativamente pochi che trattano il sonno, anche se il sonno è una parte così importante della vita”, ha affermato James Zou, PhD, professore associato di scienza dei dati biomedici e coautore senior dello studio.

Insegnare all’IA i modelli di sonno

Per ottenere informazioni dai dati, i ricercatori hanno sviluppato un modello di base, un tipo di IA progettato per apprendere modelli generali da set di dati molto grandi e poi applicare tali conoscenze a molte attività. I modelli linguistici di grandi dimensioni come ChatGPT utilizzano un approccio simile, ma sono addestrati sul testo piuttosto che sui segnali biologici. SleepFM è stato addestrato su 585.000 ore di dati polisonnografici raccolti da pazienti esaminati in cliniche del sonno. Ogni sessione di monitoraggio del sonno è stata suddivisa in segmenti di cinque secondi, che funzionano in modo simile alle parole utilizzate per addestrare i sistemi di IA basati sul linguaggio. SleepFM apprende essenzialmente il linguaggio del sonno, ha affermato Zou.

Il modello integra più flussi di informazioni, tra cui segnali cerebrali, ritmi cardiaci, attività muscolare, misurazioni del polso e flusso d’aria durante la respirazione, e apprende come questi segnali interagiscono tra loro. Per aiutare il sistema a comprendere queste relazioni, i ricercatori hanno sviluppato un metodo di addestramento chiamato “Leave-One-Out Contrastive Learning”. In questo approccio, un tipo di segnale viene rimosso alla volta e al modello viene chiesto di ricostruirlo utilizzando i dati rimanenti. Una delle innovazioni tecniche che hanno realizzato in questo lavoro è stata quella di capire come armonizzare tutte queste diverse modalità di dati in modo che possano unirsi e imparare lo stesso linguaggio.

Previsione delle malattie future sulla base del sonno

Dopo l’addestramento, i ricercatori hanno adattato il modello a compiti specifici. In primo luogo, lo hanno testato in studi standard sul sonno, come l’identificazione delle fasi del sonno e la valutazione della gravità dell’apnea notturna. In questi test, SleepFM ha eguagliato o addirittura superato le prestazioni dei modelli attualmente leader. Il team ha poi perseguito un obiettivo più ambizioso: scoprire se i dati sul sonno possono prevedere malattie future. Per farlo, hanno collegato le registrazioni polisonnografiche con gli esiti di salute a lungo termine degli stessi individui. Ciò è stato possibile perché i ricercatori avevano accesso a decenni di cartelle cliniche provenienti da un’unica clinica del sonno.

Lo Stanford Sleep Medicine Center è stato fondato nel 1970 dal defunto Dr. William Dement, PhD, ampiamente considerato il padre della medicina del sonno. Il gruppo più grande utilizzato per addestrare SleepFM comprendeva circa 35.000 pazienti di età compresa tra i 2 e i 96 anni. I loro studi sul sonno sono stati registrati presso la clinica tra il 1999 e il 2024 e abbinati alle cartelle cliniche elettroniche che hanno seguito alcuni pazienti per un periodo fino a 25 anni. Le registrazioni polisonnografiche della clinica risalgono a periodi ancora più lontani, ma solo in formato cartaceo, secondo Mignot, che ha diretto il centro del sonno dal 2010 al 2019. Utilizzando questo set di dati combinato, SleepFM ha esaminato più di 1.000 categorie di malattie e ha identificato 130 condizioni che potevano essere previste con ragionevole accuratezza sulla base dei soli dati relativi al sonno. I risultati migliori sono stati ottenuti per il cancro, le complicanze della gravidanza, le malattie circolatorie e i disturbi mentali, con valori di previsione superiori a un indice C di 0,8.