Изкуствен интелект анализира данни от една нощ полисомнография и прогнозира риска от над сто заболявания. Моделът показва висока точност при сърдечни, неврологични и други състояния.
За да се оцени индивидуалният риск от инфаркт, инсулт, деменция и редица други заболявания, е достатъчна една нощ в лаборатория за изследване на съня. Това показва нов модел на изкуствен интелект, разработен от екип в Stanford Medicine.
Моделът носи името SleepFM и работи с данни от полисомнография – стандартното комплексно изследване на съня. То включва запис на мозъчната активност, сърдечния ритъм, дишането и други физиологични показатели по време на нощния сън.
Разработчиците обучават системата с над 585 000 часа записи от 65 000 души, изследвани в клиники по медицина на съня. Така ИИ обработва мащабен обем физиологична информация, която до момента остава слабо използвана за дългосрочни прогнози.
SleepFM показва резултати, равни или по-добри от съществуващите алгоритми при рутинни задачи като определяне на фазите на съня и разпознаване на сънна апнея. Това отваря пътя към по-широко клинично приложение на подобни модели.
Следващата стъпка включва връзка между данните от съня и реалните здравни изходи. Изследователите анализират записи на 35 000 деца и възрастни, проследявани в Центъра за медицина на съня към Станфорд между 1999 и 2024 г.
Сред над 1000 категории заболявания моделът успява да предвиди 130 с висока точност. В този списък влизат общата смъртност, деменцията, инфарктът, сърдечната недостатъчност, хроничното бъбречно заболяване и инсултът.
При някои онкологични диагнози, усложнения по време на бременност, заболявания на кръвоносната система и психични разстройства точността надхвърля 80 процента. Резултатите са публикувани в списание Nature Medicine.
Екипът продължава работата си, за да изясни кои характеристики на съня използва моделът при оценката на риска. Планира се и разширяване на алгоритъма с данни от преносими устройства за сън.
Полисомнографията остава златен стандарт в диагностиката на нарушенията на съня. Новите ИИ модели показват, че събраната по време на изследването информация може да има стойност и за дългосрочна прогноза на общото здраве.