Ερευνητές του Στάνφορντ ανακάλυψαν ότι οι μελέτες ύπνου, όπου ο εξεταζόμενος παρακολουθείται με αισθητήρες, μπορούν να προβλέψουν με μεγάλη ακρίβεια μελλοντικά προβλήματα υγείας. Το μοντέλο τεχνητής νοημοσύνης (ΑΙ) που ανέπτυξαν εκτιμά την πιθανότητα εμφάνισης περισσότερων από 100 παθήσεων χρησιμοποιώντας δεδομένα μίας μόνο νύχτας.

Στην περίπτωση της νόσου του Πάρκινσον, οι προβλέψεις του μοντέλου «SleepFM» είναι σωστές στο 90% των περιπτώσεων, όπως αναφέρει η ερευνητική ομάδα στην επιθεώρηση Nature Medicine.

Το μοντέλο προβλέπει επίσης με ακρίβεια άνω του 80% την άνοια, το έμφραγμα, τον καρκίνο του προστάτη και του μαστού, την υπερτασική καρδιοπάθεια και την πιθανότητα θανάτου από οποιοδήποτε αίτιο. Οι ερευνητές τονίζουν ότι για άλλες παθήσεις, οι προβλέψεις είναι λιγότερο ακριβείς, αλλά παραμένουν χρήσιμες.

Τα δεδομένα εκπαίδευσης του μοντέλου προήλθαν από μελέτες πολυυπνογραφίας, που αποτελεί το gold standard για τη διάγνωση διαταραχών του ύπνου. Η πολυυπνογραφία παρακολουθεί τον κοιμισμένο ασθενή με καρδιογράφημα, ηλεκτροεγκεφαλογράφημα, μετρήσεις της αναπνοής, των κινήσεων και του καρδιακού ρυθμού.

Σύμφωνα με τους ερευνητές, πρόκειται για ένα «χρυσωρυχείο δεδομένων» που παρέμενε σε μεγάλο βαθμό ανεκμετάλλευτο μέχρι σήμερα.

Για να αξιοποιήσουν αυτά τα δεδομένα, ανέπτυξαν ένα μοντέλο ΑΙ που εκπαιδεύτηκε με τις καταγραφές 585.000 ωρών πολυυπνογραφίας από διάφορες κλινικές ύπνου.

Σε πρώτη φάση, η ομάδα επιβεβαίωσε ότι το μοντέλο είναι ικανό για την στάνταρ ανάλυση, με την οποία αναγνωρίζονται τα διάφορα στάδια του ύπνου και διαγιγνώσκεται η σοβαρότητα της υπνικής άπνοιας. Σε αυτή την περίπτωση, το SleepFM είχε συγκρίσιμες ή καλύτερες επιδόσεις σε σχέση με τα καλύτερα μοντέλα που χρησιμοποιούνται σήμερα στις μελέτες ύπνου.

Στη συνέχεια, οι ερευνητές αντιστοίχησαν τα δεδομένα πολυυπνογραφίας 35.000 ασθενών που είχαν εξεταστεί σε κλινική ύπνου στο Στάνφορντ με τα προβλήματα υγείας που καταγράφονταν στους ψηφιακούς ιατρικούς φακέλους τους, οι οποίοι σε κάποιες περιπτώσεις κάλυπταν διάστημα 25 ετών.

Το SleepFM εξέτασε περισσότερες από 1.000 διαφορετικές παθήσεις και έδειξε ότι οι 130 από αυτές μπορούν να προβλεφθούν από τα δεδομένα, ειδικά όσον αφορά διάφορες μορφές καρκίνου, επιπλοκές της εγκυμοσύνης και ψυχικές διαταραχές.

Οι ερευνητές σκοπεύουν τώρα να βελτιώσουν την προγνωστική ικανότητα του μοντέλου, αξιοποιώντας μεταξύ άλλων δεδομένα από φορετές συσκευές που παρακολουθούν τον ύπνο.

Ωστόσο, παραδέχονται ότι δεν έχουν ιδέα πώς ακριβώς το μοντέλο υπολογίζει την πιθανότητα εμφάνισης ασθενειών.

«Δεν μας το εξηγεί στα αγγλικά» σχολίασε με χιούμορ ο Τζέιμς Ζόου, συνεπικεφαλής της μελέτης, σε ανακοίνωση του Στάνφορντ. «Έχουμε ωστόσο αναπτύξει τεχνικές για να διαπιστώσουμε τι εξετάζει το μοντέλο όταν κάνει μια συγκεκριμένη πρόβλεψη».