ΕΝΑΣ ΥΠΝΟΣ ΚΑΙ ΤΟ AI ΣΟΥ ΔΕΙΧΝΟΥΝ ΠΟΣΟ ΚΙΝΔΥΝΕΥΕΙΣ ΑΠΟ 130 ΠΑΘΗΣΕΙΣ

Θα σκεφτόσουν ποτέ ότι μια μέρα θα έλεγες «ευχαριστώ» στον κακό ύπνο; Ερευνητές από το Stanford συνδύασαν τη βασική εξέταση για τις διαταραχές του ύπνου με το ΑΙ και ανέπτυξαν ένα σύστημα που προβλέπει τι κίνδυνο διατρέχεις για πάνω από 100 παθήσεις, χρόνια πριν εμφανιστούν τα πρώτα συμπτώματα.

Ένας κακός ύπνος θα σε αφήσει με νεύρα και υπνηλία την επόμενη ημέρα, πιθανώς και με απορίες. Δεν ήπιες αλκοόλ, ξάπλωσες στην ώρα σου και έκανες φιλότιμη προσπάθεια να κοιμηθείς ένα ολόκληρο, ποιοτικό οκτάωρο, αλλά για μια ακόμη φορά δεν σου χαρίστηκε. Μια μελέτη ύπνου θα δώσει εικόνα για τους λόγους πίσω από την κακή σχέση σου με τον Μορφέα. Αν μπει στο παιχνίδι και η τεχνητή νοημοσύνη (ΑΙ), μπορεί να μάθεις αν και πόσο κινδυνεύεις για πάνω από 100 προβλήματα υγείας, όπως καρκίνος, άνοια, καρδιαγγειακά και επιπλοκές εγκυμοσύνης, πολλά χρόνια πριν εμφανιστούν τα συμπτώματα.

Το SleepFM, ένα νέο σύστημα ΑΙ που ανέπτυξαν επιστήμονες από το Stanford Medicine, μπορεί να εξετάζει ενδείξεις του σώματος κατά τον ύπνο και να τα μεταφράζει σε ποσοστά κινδύνου ασθενειών και διαταραχών. Η εκπαίδευση του μοντέλου βασίστηκε σε 585.000 ώρες καταγεγραμμένου ύπνου από 65.000 ανθρώπους, που είχαν υποβληθεί σε πολυυπνογραφία, όπως λέγεται αλλιώς η μελέτη ύπνου, στο Stanford Sleep Medicine Center το διάστημα 1999–2024.

Τα στοιχεία από την παρακολούθηση της εγκεφαλικής δραστηριότητας, της καρδιακής λειτουργίας, των αναπνευστικών προτύπων, της κίνησης των ματιών και των ποδιών και άλλων σωματικών ενδείξεων που είχαν καταγραφεί στο πλαίσιο της πολυυπνογραφίας συνδυάστηκαν με τα ψηφιακά μητρώα υγείας των ίδιων ασθενών, που κάλυπταν έως και 25 χρόνια παρακολούθησης.

Κατά τη μελέτη ύπνου, καταγράφεται η εγκεφαλική δραστηριότητα, η καρδιακή λειτουργία, τα αναπνευστικά πρότυπα, η κίνηση των ματιών και των ποδιών και άλλες σωματικές ενδείξεις. iStock

Ένα ChatGPT που εκπαιδεύεται στη «γλώσσα του ύπνου»

Η μελέτη ύπνου είναι βασικό εργαλείο για τη διάγνωση διαταραχών του ύπνου και της υπνικής άπνοιας. Η χρήση τεχνητής νοημοσύνης επέτρεψε στους επιστήμονες να μεγιστοποιήσουν τη γνώση που μπορεί να προσφέρει και να αναλύσουν πολύπλοκα σύνολα δεδομένων με μεγάλη ακρίβεια. Σύμφωνα με τους ερευνητές του Stanford, είναι η πρώτη ομάδα που αξιοποιεί το AI σε τόσο ευρείας κλίμακας στοιχεία ύπνου, κατ’ αναλογία με αντίστοιχα εγχειρήματα στην καρδιολογία ή στην ογκολογία.

Για την εκπαίδευση του SleepFM, κάθε καταγραφή ύπνου χωρίστηκε σε τμήματα πέντε δευτερολέπτων, τα οποία λειτουργούν παρόμοια με τις λέξεις που χρησιμοποιούνται για την εκπαίδευση Μεγάλων Γλωσσικών Μοντέλων, όπως το ChatGPT. Ουσιαστικά, πρόκειται για ένα μοντέλο που μαθαίνει τη γλώσσα του ύπνου, σύμφωνα με τον Δρ. James Zou, PhD, αναπληρωτή καθηγητή Βιοϊατρικών Δεδομένων και εκ των επικεφαλής της μελέτης.

Το SleepFM εντόπισε 130 παθήσεις που μπορούσαν να προβλεφθούν με λογική ακρίβεια, χρησιμοποιώντας αποκλειστικά δεδομένα ύπνου. iStock

Το σύστημα συγκεντρώνει διάφορες πληροφορίες, όπως σήματα από τον εγκέφαλο, τον καρδιακό ρυθμό, τη δραστηριότητα των μυών, μετρήσεις παλμού και ροής του αέρα κατά την αναπνοή, και μαθαίνει πώς αλληλεπιδρούν μεταξύ τους. Μετά την επιτυχημένη δοκιμή του σε κλασικές μετρήσεις, όπως η ταυτοποίηση των σταδίων του ύπνου και η αξιολόγηση της σοβαρότητας της υπνικής άπνοιας –στις οποίες ξεπέρασε έφτασε ή ξεπέρασε τα υπάρχοντα μοντέλα ΑΙ–, είχε σειρά η συνολική υγεία.

Σχεδόν 90% ακρίβεια σε Πάρκινσον και καρκίνο προστάτη

Το SleepFM εξέτασε πάνω από 1.000 κατηγορίες ασθενειών και εντόπισε 130 παθήσεις που μπορούσαν να προβλεφθούν με λογική ακρίβεια χρησιμοποιώντας αποκλειστικά δεδομένα ύπνου. Τα πιο ισχυρά αποτελέσματα παρατηρήθηκαν για τους καρκίνους, τις επιπλοκές της εγκυμοσύνης, τα καρδιαγγειακά και τις ψυχικές διαταραχές, με βαθμολογίες πρόβλεψης πάνω από C-index 0,8.

Ο δείκτης C (concordance index) δείχνει πόσο καλά ένα μοντέλο μπορεί να κατατάξει τα άτομα ανάλογα με τον κίνδυνο εμφάνισης μιας νόσου. Για παράδειγμα, C-index 0,8 σημαίνει ότι στο 80% των περιπτώσεων η πρόβλεψη του μοντέλου συμφωνεί με την πραγματική εξέλιξη. Με βάση τον δείκτη αξιοπιστίας, το SleepFM πέτυχε ακρίβεια:

• έως και 89% για τη νόσο Πάρκινσον και τον καρκίνο του προστάτη,
• 87% για τον καρκίνο του μαστού,
• και 84% για την πρόβλεψη θανάτου.

Οι ερευνητές εξετάζουν πώς θα μπορούσαν να ενισχύσουν την προγνωστική δύναμη του SleepFM με δεδομένα από wearables. iStock

Καλύτερες προβλέψεις με δεδομένα από wearables

Η επιστημονική ομάδα είναι σε στάδιο επεξεργασίας και βελτίωσης των προβλέψεων του SleepFM, για να κατανοήσει καλύτερα πώς εξάγει συμπεράσματα και να διερευνήσει τις πιθανότητες ενίσχυσής του με βιομετρικά στοιχεία από wearables. Άλλωστε, λένε οι ερευνητές, αν και δεν μιλούν την «ίδια γλώσσα» με το AI, έχουν αναπτύξει τεχνικές για να αποκωδικοποιούν πού εστιάζει το μοντέλο τους για την εκτίμηση των κινδύνων.

Η έρευνα έδειξε ότι κάθε τύπος σήματος παρέχει ξεχωριστές ενδείξεις για διαφορετικές παθήσεις, έτσι η καρδιά έδινε σημάδια χρησιμότερα για την πρόβλεψη καρδιοαγγειακών παθήσεων, ενώ ο εγκέφαλος για την ψυχική υγεία. Ωστόσο, τα πιο ακριβή αποτελέσματα προέκυπταν από τον συνδυασμό κάθε τύπου δεδομένων. Σωματικές ενδείξεις που δεν συγχρονίζονταν, όπως ένας εγκέφαλος που δείχνει να κοιμάται ενώ η καρδιά παραμένει ξύπνια, φάνηκε να υποδηλώνουν πιθανό πρόβλημα.

Με αυτόν τον τρόπο, η ανάλυση του ύπνου ανοίγει νέο παράθυρο για την πρόληψη της υγείας – αν και, το πιθανότερο, θα αργήσει η μέρα που μια μελέτη ύπνου θα συγκαταλέγεται στο ετήσιο check-up.