Ένα νέο μοντέλο τεχνητής νοημοσύνης που ανέπτυξαν ερευνητές της Ιατρικής Σχολής του Πανεπιστημίου Στάνφορντ δείχνει ότι ο ύπνος μπορεί να λειτουργήσει ως «παράθυρο» για τη μελλοντική υγεία. Σύμφωνα με τη μελέτη, δεδομένα από μία και μόνο νύχτα ύπνου αρκούν για να προβλέψουν τον κίνδυνο εμφάνισης περισσότερων από 100 διαφορετικών παθήσεων.
Το μοντέλο, με την ονομασία SleepFM, εκπαιδεύτηκε σε σχεδόν 600.000 ώρες δεδομένων ύπνου από περίπου 65.000 άτομα. Τα δεδομένα προέρχονταν από τη βασική διαγνωστική εξέταση που χρησιμοποιείται στις μελέτες ύπνου και καταγράφει πολλαπλές λειτουργίες του οργανισμού κατά τη διάρκεια της νύχτας.
Ο ύπνος ως «χρυσωρυχείο» δεδομένων
Κατά τη διάρκεια της εξέτασης, αισθητήρες καταγράφουν την εγκεφαλική δραστηριότητα, τον καρδιακό ρυθμό, την αναπνοή, την οξυγόνωση του αίματος, τις κινήσεις των ματιών και των ποδιών, καθώς και άλλες φυσιολογικές παραμέτρους.
Παρότι η εξέταση αυτή χρησιμοποιείται εδώ και δεκαετίες, μεγάλο μέρος των δεδομένων της παραμένει αναξιοποίητο. Όπως επισημαίνουν οι ερευνητές, η πρόοδος της τεχνητής νοημοσύνης επιτρέπει πλέον την ανάλυση αυτών των πολύπλοκων σημάτων σε πρωτοφανή κλίμακα.
Μαθαίνοντας τη «γλώσσα» του ύπνου
Το SleepFM ανήκει στην κατηγορία των λεγόμενων foundation models, δηλαδή μοντέλων που μπορούν να εκπαιδεύονται αυτόνομα σε τεράστιους όγκους δεδομένων και στη συνέχεια να εφαρμόζουν τη γνώση τους σε διαφορετικές εργασίες. Αντίστοιχη φιλοσοφία χρησιμοποιούν και τα μεγάλα γλωσσικά μοντέλα.
Στην περίπτωση του ύπνου, τα δεδομένα χωρίστηκαν σε πολύ μικρά χρονικά τμήματα, διάρκειας πέντε δευτερολέπτων. Με αυτόν τον τρόπο, το μοντέλο «έμαθε» τα μοτίβα και τις σχέσεις ανάμεσα στα διαφορετικά σήματα του οργανισμού.
Οι ερευνητές ανέπτυξαν επίσης μια ειδική τεχνική εκπαίδευσης, κατά την οποία το μοντέλο καλείται να ανασυνθέσει ένα σήμα που λείπει, βασιζόμενο στα υπόλοιπα. Έτσι, το SleepFM μαθαίνει πώς συνεργάζονται μεταξύ τους ο εγκέφαλος, η καρδιά και το αναπνευστικό σύστημα κατά τη διάρκεια του ύπνου.
Από την ανάλυση ύπνου στην πρόβλεψη ασθενειών
Αρχικά, το μοντέλο δοκιμάστηκε σε κλασικές εφαρμογές, όπως η αναγνώριση των σταδίων ύπνου και η εκτίμηση της σοβαρότητας της υπνικής άπνοιας, όπου και απέδωσε εξίσου καλά ή καλύτερα από τα υπάρχοντα συστήματα.
Το πιο εντυπωσιακό εύρημα, όμως, προέκυψε όταν οι ερευνητές συνέκριναν τα δεδομένα ύπνου με τα μακροχρόνια ιατρικά αρχεία των ίδιων ατόμων. Σε ορισμένες περιπτώσεις, τα αρχεία αυτά κάλυπταν περίοδο παρακολούθησης έως και 25 ετών.
Το SleepFM κατάφερε να προβλέψει με ικανοποιητική ακρίβεια 130 διαφορετικές παθήσεις, μεταξύ των οποίων καρδιαγγειακά νοσήματα, νευροεκφυλιστικές ασθένειες, καρκίνοι, ψυχικές διαταραχές και συνολική θνησιμότητα. Ιδιαίτερα υψηλή ήταν η ακρίβεια για τη νόσο Πάρκινσον, την άνοια, το έμφραγμα και ορισμένες μορφές καρκίνου.
Τι «βλέπει» το μοντέλο στον ύπνο
Αν και τα μοντέλα τεχνητής νοημοσύνης συχνά λειτουργούν ως «μαύρα κουτιά», η ερευνητική ομάδα εργάζεται ήδη σε μεθόδους ερμηνείας των προβλέψεων. Τα πρώτα ευρήματα δείχνουν ότι καμία μεμονωμένη παράμετρος δεν είναι αρκετή από μόνη της.
Ο συνδυασμός των σημάτων είναι αυτός που κάνει τη διαφορά. Για παράδειγμα, μια ασυμφωνία μεταξύ εγκεφαλικής δραστηριότητας και καρδιακού ρυθμού – όταν ο εγκέφαλος φαίνεται να κοιμάται, αλλά η καρδιά παραμένει σε κατάσταση εγρήγορσης – φάνηκε να συνδέεται με αυξημένο κίνδυνο μελλοντικών προβλημάτων υγείας.
Προς μια πιο προληπτική ιατρική
Οι ερευνητές εκτιμούν ότι στο μέλλον το SleepFM θα μπορούσε να ενσωματώσει δεδομένα από φορετές συσκευές, καθιστώντας δυνατή μια πιο προσιτή και συνεχόμενη αξιολόγηση της υγείας μέσω του ύπνου.
Αν τα ευρήματα επιβεβαιωθούν και σε ευρύτερες πληθυσμιακές ομάδες, ο ύπνος ενδέχεται να εξελιχθεί σε ένα από τα πιο ισχυρά εργαλεία προληπτικής ιατρικής, προσφέροντας πολύτιμες πληροφορίες για την υγεία μας πολύ πριν εμφανιστούν τα πρώτα συμπτώματα.
