Inteligența artificială poate prezice riscul pentru 130 de boli din somn

Cercetătorii de la Stanford Medicine au dezvoltat un model de inteligență artificială care poate estima riscul de apariție a peste 130 de boli grave pe baza informațiilor obținute într-o singură noapte de somn monitorizată în laborator, potrivit Adevărul.

Modelul SleepFM analizează 585.000 de ore de înregistrări

Sistemul de inteligență artificială, denumit SleepFM, a fost antrenat folosind peste 585.000 de ore de înregistrări de somn, provenite de la aproximativ 65.000 de persoane. Modelul a fost conceput special pentru a analiza date complexe de somn și a demonstra că poate anticipa riscul asociat cu peste 100 de afecțiuni medicale diferite.

Informațiile analizate au fost obținute prin polisomnografie, metoda standard utilizată în clinicile de somn pentru evaluarea tulburărilor. Această tehnică presupune monitorizarea simultană a mai multor funcții fiziologice, precum activitatea cerebrală și cardiacă, respirația, mișcările corporale și oculare.

RecomandariInteligență artificială ajută medicii români să detecteze bolile mai rapid

Testarea inițială pe evaluări clasice de somn

În prima fază de dezvoltare, algoritmul a fost testat pentru evaluări uzuale ale somnului, precum recunoașterea stadiilor de somn și aprecierea severității apneei de somn. Rezultatele obținute au fost cel puțin la fel de bune ca cele ale modelelor moderne folosite în prezent în clinicile de somn.

În unele cazuri, performanțele sistemului SleepFM au fost chiar superioare celor ale tehnologiilor existente, demonstrând potențialul său de a îmbunătăți diagnosticarea tulburărilor de somn. Această etapă a validat capacitatea modelului de a interpreta corect datele complexe de polisomnografie.

Corelarea cu evoluția medicală pe termen lung

Cercetătorii au corelat datele de somn ale aproximativ 35.000 de pacienți, adulți și copii, tratați la Centrul Medical Stanford Sleep între anii 1999 și 2024, cu evoluția lor medicală pe termen lung. Pentru această analiză, au utilizat dosarele electronice de sănătate pentru a urmări dezvoltarea afecțiunilor în timp.

RecomandariInteligența Artificială Oferă Soluții Inovatoare pentru Pacienții cu Boli Genetice Rare

Din peste 1.000 de categorii de boli analizate, modelul a reușit să estimeze riscul pentru 130 dintre acestea cu un nivel considerat satisfăcător de acuratețe. Această capacitate de predicție pe termen lung reprezintă o inovație majoră în medicina preventivă, oferind posibilitatea identificării precoce a riscurilor de sănătate.

Acuratețe de peste 80% pentru anumite tipuri de boli

Pentru anumite tipuri de cancer, complicații ale sarcinii, afecțiuni ale sistemului circulator și tulburări mintale, predicțiile modelului au avut o rată de corectitudine de peste 80%. Această acuratețe ridicată sugerează că datele de somn conțin informații valoroase despre starea generală de sănătate a unei persoane.

Rezultatele publicate în revista științifică Nature Medicine demonstrează că somnul poate servi ca o fereastră către sănătatea generală, oferind indicii despre riscurile viitoare de îmbolnăvire. Această descoperire ar putea revoluționa abordarea medicinei preventive prin utilizarea datelor de somn ca instrument de screening.

RecomandariCine învinge în competiţia dintre inteligența artificială şi experți, în prezicerea calității viitoare a „mini-organelor”?

Limitări actuale și direcții de cercetare

Autorii studiului subliniază că, în acest moment, nu este pe deplin înțeles ce tipuri de semnale din datele de somn sunt decisive pentru fiecare predicție. Această limitare reprezintă o provocare pentru înțelegerea mecanismelor prin care somnul reflectă starea de sănătate generală.

Cercetările continuă pentru a clarifica acest aspect și pentru a îmbunătăți performanța modelului. Specialiștii lucrează la identificarea biomarkerilor specifici din somnul care sunt responsabili pentru predicțiile accurate ale diferitelor tipuri de boli.

Integrarea cu dispozitive purtabile

Echipa de cercetători explorează posibilitatea îmbunătățirii performanței modelului prin integrarea informațiilor colectate de la dispozitive purtabile. Această abordare ar putea extinde aplicabilitatea sistemului dincolo de mediul controlat al laboratorului de somn.

Dispozitivele purtabile ar putea oferi date continue despre calitatea somnului în mediul natural al pacientului, completând informațiile obținute prin polisomnografie. Această combinație ar putea îmbunătăți acuratețea predicțiilor și ar face tehnologia mai accesibilă pentru un număr mai mare de persoane.