ИИ анализира съня и предсказва над 100 болести

Учени от Stanford Medicine разработиха революционен изкуствен интелект (ИИ), който може да използва данни от една нощ сън, за да прогнозира риск от развитие на над 100 различни здравословни състояния, включително сериозни хронични болести и невродегенеративни нарушения.

Моделът, наречен SleepFM, е обучен върху близо 600 000 часа данни за съня, събрани от 65 000 участници. Данните за съня са получени чрез полисомнография – комплексно изследване на съня, което използва различни сензори за регистриране на мозъчна активност, сърдечна дейност, дихателни сигнали, движения на краката, движения на очите и други показатели.

Полисомнографията е златният стандарт в изследванията на съня, при които пациентите се наблюдават през нощта в лабораторна среда. Тя е и, както осъзнават изследователите, неизползвана досега златна мина от физиологични данни.

„Записваме изумително голям брой сигнали, когато изследваме съня“, казва д-р Еманюел Миньо, доктор по медицина и философия, професор по медицина на съня „Крейг Рейнолдс“. „Това е вид обща физиология, която изучаваме в продължение на осем часа при човек, който е напълно неподвижен. Данните са изключително богати“, допълва той.

Само малка част от тези данни се използва в съвременните изследвания и клиничната медицина на съня. С напредъка на изкуствения интелект вече е възможно да се анализира много по-голяма част от тях. Новото проучване е първото, което използва ИИ за анализ на толкова мащабни данни за съня.

„От гледна точка на изкуствения интелект, сънят е сравнително слабо изследвана област. Има много ИИ разработки в патологията или кардиологията, но сравнително малко в областта на съня, въпреки че той е толкова важна част от живота“, казва д-р Джеймс Зоу, доцент по биомедицинска наука за данни и съвместен старши автор на изследването.

За да се възползват от огромното количество данни за съня, изследователите създават базов модел – вид ИИ модел, който може самостоятелно да се обучава върху огромни масиви от данни и да прилага наученото към широк кръг задачи. Големите езикови модели като ChatGPT са примери за такива базови модели, обучени върху огромни количества текст.

585 000-те часа полисомнографски данни, върху които е обучен SleepFM, идват от пациенти, преминали изследване на съня в различни клиники. Данните са разделени на петсекундни сегменти – аналогични на „думите“, които езиковите модели използват при обучението си.

„SleepFM по същество изучава езика на съня“, казва Зоу. Моделът успява да обедини множество потоци от данни -електроенцефалография, електрокардиография, електромиография, пулс и въздушен поток при дишане – и да разбере как те са взаимно свързани.

За тази цел изследователите разработват нова техника за обучение, наречена контрастивно обучение с изключване на един модалитет, при която един тип данни временно се скрива, а моделът трябва да възстанови липсващата информация въз основа на останалите сигнали.

„Един от техническите пробиви в тази работа беше да разберем как да хармонизираме всички тези различни типове данни, така че те да могат да се обединят и да „научат“ един и същ език“, обяснява д-р Джеймс Зоу.

След етапа на обучение изследователите настройват модела за различни задачи. Първо тестват SleepFM при стандартни анализи на съня, като класифициране на фазите на съня и диагностициране на тежестта на сънна апнея. Моделът се представя толкова добре или по-добре от най-съвременните модели, използвани днес.

След това екипът си поставя по-амбициозна цел: да предсказва бъдещо развитие на заболявания въз основа на данни за съня. За да определят кои състояния могат да бъдат прогнозирани, те свързват полисомнографските данни с дългосрочните здравни резултати на същите пациенти. За щастие, разполагат с повече от половин век здравни досиета от клиника по медицина на съня.

Центърът по медицина на съня към Stanford е основан през 1970 г. от покойния д-р Уилям Димент, считан за бащата на медицината на съня. Най-голямата група пациенти, използвана за обучението на SleepFM – около 35 000 души на възраст от 2 до 96 години – е преминала полисомнография в клиниката между 1999 и 2024 г. Данните за съня са съпоставени с електронните здравни досиета, които за някои пациенти осигуряват до 25 години проследяване.

SleepFM анализира над 1000 категории заболявания и установява, че 130 от тях могат да бъдат предсказани с разумна точност въз основа на данните от съня. Най-добри резултати моделът постига при онкологични заболявания, усложнения по време на бременност, заболявания на кръвообращението и психични разстройства, с C-индекс над 0,8. C-индексът (индекс на съгласуваност) измерва способността на модела да предсказва кой от двама души ще преживее дадено събитие по-рано.

„При всички възможни двойки хора моделът подрежда кой е по-вероятно да преживее събитие – например инфаркт – по-рано. C-индекс от 0,8 означава, че в 80% от случаите прогнозата съвпада с реалния изход“, обяснява д-р Зоу.

SleepFM показва отлични резултати при предсказване на болестта на Паркинсон (0,89), деменция (0,85), хипертонично сърдечно заболяване (0,84), инфаркт (0,81), рак на простатата (0,89), рак на гърдата (0,87) и смъртност (0,84).

„Бяхме приятно изненадани, че моделът може да дава информативни прогнози за толкова разнообразен набор от заболявания“, казва д-р Джеймс Зоу.

Екипът работи върху допълнително подобряване на прогнозите на SleepFM, включително чрез добавяне на данни от носими устройства, както и върху разбирането какво точно интерпретира моделът. „Той не ни го обяснява на човешки език“, казва д-р Зоу. „Но разработихме различни техники за интерпретация, които ни помагат да разберем какво гледа моделът, когато прави конкретна прогноза.“

Изследователите отбелязват, че макар сърдечните сигнали да са по-важни при предсказване на сърдечни заболявания, а мозъчните — при психични разстройства, най-точните прогнози се постигат чрез комбинирането на всички типове данни. „Най-много информация за предсказване на заболявания получихме чрез контраста между различните канали“, казва д-р Миньо. Несъответствия между системите — например мозък, който изглежда заспал, но сърце, което изглежда будно — често са сигнал за проблем.