Одна ніч сну — десятки прогнозів: як ШІ зі Стенфорда передбачає хвороби наперед
Дослідники зі Стенфорда розробили систему штучного інтелекту, яка здатна за даними лише однієї ночі сну прогнозувати ризик розвитку понад 100 захворювань — від серцевих нападів і деменції до онкології та психічних розладів, повідомляє ScienceDaily.
Як працює нова система ШІ для прогнозування хвороб?
Система штучного інтелекту SleepFM аналізує сигнали тіла, зафіксовані під час полісомнографії — комплексного дослідження сну, яке відстежує активність мозку, роботу серця, дихання, рухи очей і м’язів. Модель була навчена на майже 600 тисячах годин записів сну від понад 65 тисяч людей.
Підписуйтеся на наші соцмережі
За словами науковців, традиційно полісомнографію використовують переважно для діагностики розладів сну, однак вона містить значно більше фізіологічної інформації, на яку раніше не зважали. Сучасні можливості ШІ дозволили вперше проаналізувати ці дані в такому масштабі.
Модель SleepFM побудована за принципом базових моделей — аналогічно до того, як великі мовні моделі вивчають структуру мови. Дані сну було поділено на п’ятисекундні фрагменти, а система навчилася «розуміти мову сну», поєднуючи сигнали мозку, серця, м’язів і дихання. Для цього дослідники застосували спеціальний метод навчання, який дозволяє моделі відновлювати відсутні сигнали на основі інших фізіологічних даних.
Після навчання ШІ спершу перевірили на стандартних завданнях — визначенні стадій сну та тяжкості апное. У цих тестах SleepFM показала результати не гірші, а подекуди й кращі за чинні моделі. Далі дослідники пов’язали дані сну з багаторічними медичними записами пацієнтів, що дозволило перевірити здатність системи прогнозувати майбутні захворювання.
У результаті модель змогла з достатньою точністю передбачити 130 станів зі понад тисячі проаналізованих. Найкращі результати були отримані для хвороби Паркінсона, деменції, серцево-судинних захворювань, раку простати та молочної залози, а також загального ризику смерті.
Науковці зазначають, що найточніші прогнози виникали при аналізі сукупності всіх сигналів, а не окремих параметрів. Особливу увагу модель приділяла «розсинхронізації» між системами організму, наприклад, коли мозок перебуває у стані сну, а серце демонструє ознаки підвищеної активності.
Наразі команда працює над удосконаленням SleepFM і методами інтерпретації її рішень, а в майбутньому планує додати дані з носимих пристроїв. Дослідники вважають, що подібні системи можуть стати основою для раннього виявлення хвороб задовго до появи клінічних симптомів.