Истражувачите од Стенфорд ја обучиле вештачката интелигенција да го „научи јазикот на спиењето“ за да може да предвиди дали пациентите се изложени на ризик од развој на повеќе од 100 медицински состојби.
Нов модел на вештачка интелигенција (ВИ) може да процени дали некое лице е изложено на ризик од развој на повеќе од 100 болести, врз основа на квалитетот на нивниот сон.
SleepFM, голем јазичен модел (LLM) развиен од истражувачи на Универзитетот Стенфорд во Калифорнија, ја анализира мозочната активност, срцевиот ритам, дишењето, движењата на нозете и движењата на очите за време на спиењето за да го процени ризикот од болести.
Во нова студија објавена во списанието Nature, истражувачите тренирале модел на вештачка интелигенција користејќи повеќе од 580.000 часа податоци за спиење собрани од 65.000 пациенти помеѓу 1999 и 2024 година.
Податоците доаѓаат од клиники за нарушувања на спиењето и други медицински установи кои ги следат моделите на спиење во текот на ноќта.
Тие податоци биле поделени во интервали од по пет секунди, кои за моделот функционирале како „зборови“ на кои бил трениран LLM.
„SleepFM во суштина го учи јазикот на спиењето“, рече Џејмс Зоу, вонреден професор по биомедицинска наука за податоци на Стенфорд и коавтор на студијата.
Истражувачите ги дополниле овие податоци со индивидуални здравствени картони на пациенти од клиниките за спиење за да го тренираат SleepFM да предвидува идни болести.
Моделот бил точен најмалку 80 проценти од времето кога предвидел дали пациентот ќе развие Паркинсонова болест, Алцхајмерова болест, деменција, хипертензивна срцева болест, срцев удар, рак на простата или рак на дојка. Исто така, правилно ја предвидел смртта на пациентот во 84 проценти од времето.
Беше помалку прецизно во предвидувањето на хронична бубрежна болест, мозочен удар и аритмија (неправилен срцев ритам), кои успешно ги откри во најмалку 78 проценти од случаите.
„За време на студиите за спиење, бележиме неверојатна количина здравствени сигнали“, рече Емануел Мињо, професор по медицина на спиење на Стенфорд.
„Тоа е еден вид општа физиологија што ја проучуваме осум часа кај испитаници кои се целосно мирни. Податоците се исклучително богати.“
Авторите на студијата наведуваат дека токму комбинацијата од сите овие податоци му овозможила на моделот да постигне највисока точност. На пример, телесните сигнали кои не се синхронизирани, како на пример кога мозокот изгледа како да спие, но срцето изгледа како да е будно, укажуваат на потенцијални проблеми.
Стенфорд објави дека следниот чекор ќе биде додавање податоци од носиви уреди (како што се паметни часовници) во базата на податоци SleepFM, со цел дополнително да се подобри точноста на предвидувањата.
Истражувачите, исто така, истакнаа дека студијата вклучувала само луѓе кои веќе се сомневале во здравствени проблеми, со оглед на тоа што учествувале во клинички испитувања за спиење. Затоа, примерокот не е репрезентативен за проценка на способноста на вештачката интелигенција да открива болести кај општата популација.
