Novi Stanfordov AI analizira fiziološke podatke iz noćnog sna i može predvidjeti ozbiljne zdravstvene probleme, od demencije i srčanih bolesti do raka.
Znanstvenici sa Sveučilišta Stanford razvili su jedinstveni AI model koji bi u budućnosti mogao predvidjeti rizik za više od 100 zdravstvenih stanja – a da pritom pacijent ne mora biti budan.
Prema nedavno objavljenom istraživanju, SleepFM, napredni AI model za analizu sna, koristi podatke o fiziološkim procesima tijekom noći kako bi predvidio budući rizik od demencije, zatajenja srca, pa čak i smrtnosti općenito – i to na temelju samo jedne noći sna.
Kako SleepFM uči iz sna
SleepFM je, piše ScienceAlert, foundation model, slično ChatGPT-u, koji je treniran na ogromnom skupu podataka – gotovo 600.000 sati snimki sna prikupljenih od 65.000 sudionika. Dok ChatGPT uči iz teksta i riječi, SleepFM uči iz 5-sekundnih intervala snimki sna prikupljenih u različitim klinikama za spavanje.
Podaci su prikupljeni metodom polisomnografije (PSG), tzv. „zlatnim standardom“ istraživanja sna. Ova metoda koristi senzore za praćenje aktivnosti u mozgu, srcu i dišnom sustavu, kao i pokreta očiju i nogu tijekom stanja nesvjesnosti. – Pratimo nevjerojatan broj signala kada proučavamo san – ističe Emmanuel Mignot, profesor medicine sna na Stanfordu i jedan od glavnih autora studije.
Istraživači su model testirali pomoću inovativne metode nazvane leave-one-out kontrastno učenje. Kod ove metode, određeni podaci – primjerice puls ili protok zraka pri disanju – se privremeno isključuju, što prisiljava SleepFM da procijeni izostale informacije na temelju preostalih bioloških podataka.
Da bi dodatno poboljšali točnost, znanstvenici su povezali PSG podatke s desecima tisuća izvještaja o dugoročnim zdravstvenim ishodima pacijenata različitih dobnih skupina, uključujući podatke praćene i do 25 godina.
Predviđa više od 100 bolesti
Analizom više od 1.041 kategorije bolesti u zdravstvenim zapisima, SleepFM je mogao predvidjeti 130 od njih s visokom točnošću, na temelju podataka o snu. Posebno se pokazao uspješnim u predviđanju karcinoma, komplikacija tijekom trudnoće, problema s cirkulacijom i mentalnih poremećaja – pri čemu je postigao C-indeks veći od 0,8.
– C-indeks od 0,8 znači da je 80% vremena predikcija modela u skladu s onim što se zapravo dogodilo – objašnjava James Zou, znanstvenik za biomedicinske podatke na Stanfordu i suautor studije.
Model je također dobro prošao prema AUROC modelu klasifikacije, koji mjeri sposobnost SleepFM-a da razlikuje pacijente koji će doživjeti određeni zdravstveni događaj unutar predikcijskog razdoblja od onih koji ga neće doživjeti (u ovom slučaju 6 godina).
Posebni uspjesi i povezanost sa zdravim spavanjem
Sveukupno, SleepFM je nadmašio postojeće prediktivne modele, posebno u predviđanju Parkinsonove bolesti, srčanog udara, moždanog udara, kronične bolesti bubrega, raka prostate, raka dojke te smrtnosti općenito. Ovo dodatno potvrđuje povezanost loših navika spavanja i nepovoljnih zdravstvenih ishoda, ali i ukazuje na to da različita zdravstvena stanja mogu uzrokovati loš san.
Iako su neki tipovi podataka i faze sna bili precizniji prediktori od drugih, najbolji rezultati postignuti su zahvaljujući međusobnim odnosima i kontrastima u fiziološkim funkcijama tijela. Najpouzdaniji prediktori bolesti bili su oni pokazatelji koji su djelovali “izvan sinkronizacije”: primjerice, mozak koji izgleda kao da spava, dok srce djeluje budno – što je često bio znak zdravstvenih problema, objašnjava Mignot.
Ograničenja i buduće primjene
Istraživači ističu i neka ograničenja studije. Podaci su prikupljeni od pacijenata upućenih na studije sna, što znači da opća populacija nije potpuno zastupljena, a kliničke prakse i populacije pacijenata mijenjale su se kroz posljednja desetljeća.
Unatoč kontroverzama oko AI-a u umjetnosti i drugim područjima, njegov potencijal u medicini predstavlja pravi primjer životno važnih i znanstveno fascinantnih sposobnosti umjetne inteligencije. U budućnosti se očekuje kombinacija SleepFM-a s nosivim uređajima za praćenje sna, što bi omogućilo praćenje zdravlja u stvarnom vremenu.
– Dok veliki jezični modeli uče naš jezik povezujući riječi i tekst, SleepFM uči jezik sna – zaključuje Zou. Ovo istraživanje objavljeno je u prestižnom časopisu Nature Medicine.
(Ordinacija.hr)
