Neklidná noc často vede k únavě následujícího dne, ale může také naznačovat zdravotní problémy, které se mohou objevit až mnohem později. Vědci ze Stanfordovy univerzity a jejich spolupracovníci vyvinuli systém umělé inteligence, který dokáže prozkoumat signály těla z jediné noci spánku a vyhodnotit riziko více než 100 různých onemocnění. Systém nazvaný SleepFM byl vycvičen na základě téměř 600 000 hodin záznamů spánku od 65 000 lidí. Tyto záznamy pocházejí z polysomnografie, hloubkového spánkového testu, který pomocí několika senzorů sleduje mozkovou aktivitu, srdeční činnost, vzorce dýchání, pohyby očí, nohou a další tělesné signály během spánku.

Spánkové studie obsahují nevyužité zdravotní údaje

Polysomnografie je považována za zlatý standard pro hodnocení spánku a obvykle se provádí přes noc v laboratoři. I když se často používá k diagnostice poruch spánku, vědci si uvědomují, že zachycuje také množství fyziologických informací, které nebyly plně analyzovány. „Při studiu spánku zaznamenáváme ohromující množství signálů,“ řekl Dr. Emmanual Mignot, PhD, profesor spánkové medicíny Craig Reynolds a spoluautor nové studie publikované v časopise Nature Medicine. „Je to jakási obecná fyziologie, kterou studujeme po dobu osmi hodin u člověka, který je zcela v naší péči. Údaje jsou velmi rozsáhlé.“

V běžné klinické praxi se zkoumá jen malý zlomek těchto informací. Díky nedávným pokrokům v oblasti umělé inteligence mohou nyní vědci tyto velké a složité soubory dat analyzovat důkladněji. Podle týmu je tato práce první, která aplikuje umělou inteligenci na data o spánku v tak velkém měřítku. „Z pohledu umělé inteligence je spánek poměrně málo prozkoumán. Existuje spousta dalších prací v oblasti AI, které se zabývají patologií nebo kardiologií, ale relativně málo těch, které se zabývají spánkem, přestože spánek je tak důležitou součástí života,“ řekl James Zou, PhD, docent biomedicínské datové vědy a spoluautor studie.

Výuka spánkových vzorců umělou inteligencí

Aby výzkumníci získali z dat přehled, vyvinuli základní model, což je typ umělé inteligence určený k učení obecných vzorců z velmi rozsáhlých souborů dat a následnému použití těchto znalostí na mnoho úkolů. Velké jazykové modely, jako je ChatGPT, používají podobný přístup, ale jsou trénovány na textu, nikoli na biologických signálech. SleepFM byl vycvičen na 585 000 hodinách polysomnografických dat získaných od pacientů, kteří byli vyšetřeni na spánkových klinikách. Každá relace monitorování spánku byla rozdělena do pětisekundových segmentů, které fungují podobně jako slova používaná k trénování systémů umělé inteligence založených na jazyce. SleepFM se v podstatě učí jazyk spánku, řekl Zou.

Model integruje několik proudů informací, včetně mozkových signálů, srdečního rytmu, svalové aktivity, měření pulsu a proudění vzduchu při dýchání, a učí se, jak se tyto signály vzájemně ovlivňují. Aby systému pomohli pochopit tyto vztahy, vyvinuli vědci metodu tréninku nazvanou „Leave-One-Out Contrastive Learning“. Při tomto přístupu je postupně odstraněn jeden typ signálu a model je požádán, aby jej rekonstruoval pomocí zbývajících dat. Jednou z technických inovací, které v této práci dosáhli, je vyřešení toho, jak sladit všechny tyto různé modality dat tak, aby se mohly spojit a učit se stejný jazyk.

Předpovídání budoucích onemocnění na základě spánku

Po tréninku vědci model přizpůsobili konkrétním úkolům. Nejprve jej testovali při standardních studiích spánku, jako je identifikace spánkových fází a hodnocení závažnosti spánkové apnoe. V těchto testech se SleepFM vyrovnal současným předním modelům, nebo je dokonce předčil. Poté tým sledoval ambicióznější cíl: zjistit, zda lze na základě údajů o spánku předpovídat budoucí onemocnění. Za tímto účelem propojili polysomnografické záznamy s dlouhodobými zdravotními výsledky stejných osob. To bylo možné, protože výzkumníci měli přístup k desítkám let lékařských záznamů z jedné spánkové kliniky.

Stanfordské centrum spánkové medicíny založil v roce 1970 zesnulý Dr. William Dement, PhD, který je všeobecně považován za otce spánkové medicíny. Největší skupina, která byla použita k výcviku SleepFM, zahrnovala přibližně 35 000 pacientů ve věku od 2 do 96 let. Jejich spánkové studie byly na klinice zaznamenány v letech 1999 až 2024 a porovnány s elektronickými zdravotními záznamy, které některé pacienty sledovaly až 25 let. Podle Mignota, který vedl spánkové centrum v letech 2010 až 2019, sahají polysomnografické záznamy kliniky ještě dále do minulosti, ale pouze v papírové podobě. Na základě tohoto kombinovaného souboru dat společnost SleepFM přezkoumala více než 1 000 kategorií onemocnění a identifikovala 130 stavů, které lze s přiměřenou přesností předpovědět pouze na základě údajů o spánku. Nejlepších výsledků bylo dosaženo v případě rakoviny, těhotenských komplikací, onemocnění oběhové soustavy a duševních poruch s hodnotami predikce nad C-indexem 0,8.

Jak se měří přesnost předpovědi

Index C neboli index shody měří, jak dobře dokáže model seřadit osoby podle jejich rizika. Udává, jak často model správně předpovídá, u kterého ze dvou jedinců dojde ke zdravotní příhodě jako u prvního. „U všech možných dvojic jedinců model seřadí, u koho je větší pravděpodobnost, že událost – např. srdeční infarkt– zažije dříve. Index C 0,8 znamená, že předpověď modelu odpovídá skutečné události v 80 % případů,“ vysvětlil Zou. SleepFM si vedl obzvláště dobře při předpovídání Parkinsonovy choroby (C-index 0,89), demence (0,85), hypertenzní choroby srdeční (0,84), infarktu (0,81), rakoviny prostaty (0,89), rakoviny prsu (0,87) a úmrtí (0,84).