Niespokojna noc często prowadzi do zmęczenia następnego dnia, ale może również wskazywać na problemy zdrowotne, które mogą pojawić się dopiero znacznie później. Naukowcy ze Stanford Medicine i ich współpracownicy opracowali system sztucznej inteligencji, który może badać sygnały wysyłane przez organizm podczas jednej nocy snu i oceniać ryzyko wystąpienia ponad 100 różnych chorób. System o nazwie SleepFM został wytrenowany przy użyciu prawie 600 000 godzin nagrań snu 65 000 osób. Nagrania te pochodzą z polisomnografii, szczegółowego badania snu, które wykorzystuje wiele czujników do śledzenia aktywności mózgu, pracy serca, wzorców oddychania, ruchów gałek ocznych, ruchów nóg i innych sygnałów fizycznych podczas snu.

Badania snu zawierają niewykorzystane dane dotyczące zdrowia

Polisomnografia jest uważana za złoty standard w ocenie snu i zazwyczaj jest wykonywana w laboratorium w nocy. Chociaż jest często stosowana do diagnozowania zaburzeń snu, naukowcy zauważyli, że pozwala ona również uzyskać bogate informacje fizjologiczne, które nie zostały jeszcze w pełni przeanalizowane. „Podczas badania snu rejestrujemy zadziwiającą liczbę sygnałów” – powiedział dr Emmanual Mignot, profesor medycyny snu im. Craiga Reynoldsa i współautor nowego badania opublikowanego w czasopiśmie „Nature Medicine”. „Jest to rodzaj ogólnej fizjologii, którą badamy przez osiem godzin u osoby całkowicie pozostającej pod naszą opieką. Dane są bardzo obszerne”.

W rutynowej praktyce klinicznej analizowana jest tylko niewielka część tych informacji. Dzięki najnowszym osiągnięciom w dziedzinie sztucznej inteligencji naukowcy mogą teraz dokładniej analizować te duże i złożone zbiory danych. Według zespołu, jest to pierwsze badanie, w którym sztuczna inteligencja została zastosowana do danych dotyczących snu na tak dużą skalę. „Z punktu widzenia sztucznej inteligencji sen jest stosunkowo mało zbadany. Istnieje wiele innych prac dotyczących sztucznej inteligencji, które zajmują się patologią lub kardiologią, ale stosunkowo niewiele dotyczy snu, mimo że sen jest tak ważną częścią życia” – powiedział dr James Zou, profesor nadzwyczajny nauk biomedycznych i współautor badania.

Nauczanie sztucznej inteligencji wzorców snu

Aby uzyskać wgląd w dane, naukowcy opracowali model bazowy, rodzaj sztucznej inteligencji zaprojektowany do uczenia się ogólnych wzorców na podstawie bardzo dużych zbiorów danych, a następnie stosowania tej wiedzy do wielu zadań. Duże modele językowe, takie jak ChatGPT, wykorzystują podobne podejście, ale są szkolone na podstawie tekstu, a nie sygnałów biologicznych. SleepFM został przeszkolony na podstawie 585 000 godzin danych polisomnograficznych zebranych od pacjentów badanych w klinikach snu. Każda sesja monitorowania snu została podzielona na pięciosekundowe segmenty, które działają podobnie do słów używanych do szkolenia systemów sztucznej inteligencji opartych na języku. SleepFM zasadniczo uczy się języka snu – powiedział Zou.

Model integruje wiele strumieni informacji, w tym sygnały mózgowe, rytm serca, aktywność mięśni, pomiary tętna i przepływ powietrza podczas oddychania, i uczy się, jak te sygnały oddziałują na siebie. Aby pomóc systemowi zrozumieć te relacje, naukowcy opracowali metodę szkolenia zwaną „Leave-One-Out Contrastive Learning” (uczenie kontrastowe z pominięciem jednego elementu). W tym podejściu jeden rodzaj sygnału jest usuwany na raz, a model ma za zadanie zrekonstruować go przy użyciu pozostałych danych. Jedną z innowacji technicznych, które osiągnęli w tej pracy, jest ustalenie, jak zharmonizować wszystkie te różne modalności danych, aby mogły się połączyć i nauczyć się tego samego języka.

Przewidywanie przyszłych chorób na podstawie snu

Po szkoleniu naukowcy dostosowali model do konkretnych zadań. Najpierw przetestowali go w standardowych badaniach snu, takich jak identyfikacja faz snu i ocena nasilenia bezdechu sennego. W tych testach SleepFM dorównał, a nawet przewyższył wydajność obecnie wiodących modeli. Następnie zespół postawił sobie bardziej ambitny cel: sprawdzenie, czy dane dotyczące snu mogą przewidywać przyszłe choroby. W tym celu połączyli zapisy polisomnograficzne z długoterminowymi wynikami zdrowotnymi tych samych osób. Było to możliwe, ponieważ naukowcy mieli dostęp do dziesięcioleci dokumentacji medycznej z jednej kliniki snu.

Centrum Medycyny Snu Uniwersytetu Stanforda zostało założone w 1970 roku przez nieżyjącego już dr Williama Demente, powszechnie uważanego za ojca medycyny snu. Największa grupa wykorzystana do szkolenia SleepFM obejmowała około 35 000 pacjentów w wieku od 2 do 96 lat. Ich badania snu zostały zarejestrowane w klinice w latach 1999–2024 i dopasowane do elektronicznej dokumentacji medycznej, która obejmowała niektórych pacjentów przez okres do 25 lat. Rejestry polisomnograficzne kliniki sięgają jeszcze dalej wstecz, ale według Mignota, który kierował centrum snu w latach 2010–2019, są one dostępne tylko w formie papierowej. Korzystając z tego połączonego zbioru danych, SleepFM przeanalizowało ponad 1000 kategorii chorób i zidentyfikowało 130 schorzeń, które można było przewidzieć z rozsądną dokładnością na podstawie samych danych dotyczących snu. Najlepsze wyniki uzyskano w przypadku nowotworów, powikłań ciąży, chorób układu krążenia i zaburzeń psychicznych, gdzie wartości prognostyczne przekraczały wskaźnik C wynoszący 0,8.