Искусственный интеллект, о котором идет речь, анализирует данные о состоянии человека во время сна, такие как мозговые волны, сердечный ритм и дыхание. Это позволяет ему делать выводы о вероятности развития различных заболеваний. Как отметил один из авторов исследования, доцент Стэнфордского университета Джеймс Зоу, ИИ может предсказывать риск заболеваний за много лет до того, как появятся первые проявления болезни. Модель, названная SleepFM, была разработана под руководством Рахула Тапы, специалиста в области биомедицинских данных.
От сигналов во сне к предсказаниям заболеваний
Полисомнография — это метод исследования сна, который обычно проводится в течение одной ночи и позволяет отслеживать работу различных систем организма: мозга, сердца, дыхания и мышц, а также движения глаз и конечностей. Для обучения модели SleepFM использовались около 585 тысяч часов записей от 65 тысяч человек, прошедших обследование в основном в центре медицины сна Стэнфорда.
На этапе предварительного обучения ИИ научился анализировать сигналы мозга, сердца и дыхания во время сна. Позже модель была доработана для решения задач, таких как диагностика апноэ и определение стадий сна, что позволило достичь результатов, сопоставимых с другими известными моделями, такими как U-Sleep и YASA.
Исследователи сопоставили данные о сне с медицинскими картами за 25 лет, выявив 130 заболеваний, риск которых можно было предсказать с высокой точностью. Рахул Тапа отметил, что рутинные измерения сна открывают новые горизонты для анализа долгосрочного состояния здоровья.
Наиболее точно модель прогнозирует деменцию, болезнь Паркинсона, инфаркт, сердечную недостаточность и некоторые виды рака. По словам Себастиана Бушьегера, эксперта по сну из Института Ламарра, ИИ может быть обучен для прогнозирования широкого спектра заболеваний, если будет доступна соответствующая база данных.
Что ищет ИИ в теле спящего человека
Анализ показывает, что сердечные сигналы играют ключевую роль в прогнозировании сердечно-сосудистых заболеваний, тогда как мозговые — для неврологических расстройств. Интересно, что расхождения между состоянием мозга и сердечного ритма могут указывать на скрытые нагрузки или ранние стадии заболеваний. Специалисты подчеркивают, что корреляции, которые предоставляет ИИ, в основном являются статистическими и требуют подтверждения от медицинских экспертов.
Надежность лабораторных данных
Модель основана на данных, полученных в лабораториях сна, где пациенты часто направляются из-за проблем со сном. Исследователи из различных американских и европейских групп продолжают тестировать модель, однако недостаточное количество данных от людей без проблем со сном ограничивает ее универсальность.
Потенциал и ограничения диагностики и терапии
Важно отметить, что SleepFM не выявляет причин заболеваний, а лишь корреляции между различными показателями сна и возможными диагнозами. Как поясняет информатик Маттиас Якобс, большинство методов ИИ не способны устанавливать причинно-следственные связи, но даже статистические корреляции могут быть полезны для диагностики и терапии.
ИИ как вспомогательный инструмент для врачей
Модели, такие как SleepFM, позволяют быстро обрабатывать большие объемы данных полисомнографии, что облегчает анализ стадий сна и диагностику апноэ. Такой подход помогает медикам сосредоточиться на пациентах, оставляя рутинные задачи ИИ. Однако, как подчеркивает Себастиан Бушьегер, ИИ остается вспомогательным инструментом, и окончательные решения по диагностике и лечению все равно принимают врачи.
Исследователи продолжают изучать, могут ли выявленные закономерности указывать на биологические механизмы заболеваний. Если определенные сигналы во сне постоянно связаны с конкретными заболеваниями, это может указать на нарушения в нервной, сердечно-сосудистой или иммунной системах на ранних стадиях болезни.
