Изследователи от Станфорд обучиха изкуствен интелект да „научи езика на съня“, за да предскаже дали пациентите са изложени на риск от развитие на над 100 заболявания.

Нов модел с изкуствен интелект може да определи дали човек е изложен на риск от развитие на над 100 здравословни състояния, въз основа на това колко добре спи.

SleepFM, голям езиков модел, разработен от изследователи в Станфордския университет в Калифорния, чете мозъчната активност, сърдечната честота, дихателните сигнали, движенията на краката и движенията на очите на потребителя, докато спи, за да оцени риска от заболяване.

В ново проучване, публикувано в Nature, изследователите обучиха AI модела, използвайки над 580 000 часа данни за сън, събрани от 65 000 пациенти между 1999 и 2024 година.

Данните идват от клиники за сън, медицински заведения, които оценяват модела на сън през нощта, и бяха разделени на петсекундни интервали, които действаха като думи, върху които големите езикови модели да се обучават.

„SleepFM по същество научава езика на съня“, каза Джеймс Зоу, асоцииран професор по биомедицинска наука за данни в Станфорд и съавтор на проучването.

Изследователите допълниха тези данни с индивидуалните здравни досиета на пациентите от клиниките за сън, за да обучат SleepFM да предсказва бъдещи заболявания.

AI моделът беше прав поне 80 процента от времето, когато предсказваше дали пациент ще получи болестта на Паркинсон, болестта на Алцхаймер, деменция, хипертонично сърдечно заболяване, инфаркт, рак на простатата и рак на гърдата. Той също така правилно предсказа смъртта на пациент в 84 процента от случаите.

Моделът беше по-малко точен при предсказването на пациенти с хронично бъбречно заболяване, инсулт и аритмия, считана за неравномерен сърдечен ритъм, които откри в поне 78 процента от случаите.

„Записваме невероятен брой [здравни] сигнали, когато изследваме съня“, каза Емануел Миньо, професор по медицина на съня в Станфорд. „Това е своеобразна обща физиология, която изучаваме в продължение на осем часа при субект, който е напълно неподвижен. Тя е много богата на данни.“

Авторите на проучването заявиха, че комбинацията от всички данни помогна на модела да постигне най-точните прогнози. Например, телесни сигнали, които не са синхронизирани, като мозък, който изглежда спящ, но сърце, което изглежда будно, означават проблем.

Станфорд заяви, че следващата стъпка ще бъде добавяне на данни от носими устройства в базата данни на SleepFM, за да подобрят допълнително прогнозите на модела.

Изследователите също отбелязаха, че тяхното проучване използва само хора, които вечеподозират съществуващи здравословни проблеми поради участието си в клиничните изпитвания за сън, което означава, че техният набор от данни не е представителен за способността на AI да открива заболявания сред широката общественост.