Nature: ИИ научился оценивать риск сотни заболеваний по одной ночи сна

Ученые из Стэнфордского университета разработали модель искусственного интеллекта, способную оценивать риск более чем 100 заболеваний — от деменции до сердечной недостаточности — на основе данных всего одной ночи сна. Для этого человеку даже не нужно быть в сознании: анализ проводится по физиологическим сигналам, записанным во время сна.

Работа опубликована в журнале Nature Medicine.

Модель получила название SleepFM. Она относится к так называемым "фундаментальным" ИИ-моделям — по аналогии с языковыми моделями, которые обучаются на огромных массивах текстов. SleepFM, в свою очередь, обучали на почти 600 тысячах часов данных сна, собранных у 65 тысяч человек. Алгоритм анализирует записи с интервалом в пять секунд, выявляя сложные закономерности в работе мозга, сердца и дыхательной системы.

Данные были получены с помощью полисомнографии — "золотого стандарта" исследований сна. Во время такой процедуры к человеку подключают множество датчиков, которые регистрируют активность мозга, сердечный ритм, дыхание, движения глаз и ног.

"Когда мы изучаем сон, мы фиксируем удивительное количество сигналов", — отметил профессор медицины сна Стэнфордского университета Эммануэль Миньо, один из старших авторов работы.

Чтобы повысить устойчивость модели, исследователи использовали метод контрастного обучения: часть сигналов намеренно исключалась, и ИИ должен был восстанавливать недостающую информацию на основе других данных. Затем записи сна сопоставили с медицинскими картами пациентов, в ряде случаев охватывающими период наблюдения до 25 лет.

В результате SleepFM смог с приемлемой точностью предсказать риск 130 различных заболеваний из более чем тысячи проанализированных категорий. Особенно хорошо модель справлялась с прогнозированием онкологических заболеваний, осложнений беременности, болезней системы кровообращения и психических расстройств. Для ряда состояний показатель точности (C-index) превышал 0,8, что означает высокое совпадение прогнозов с реальными исходами.

По словам биомедицинского специалиста по анализу данных Джеймса Зоу, соавтора исследования, наибольшую прогностическую ценность имели несогласованные физиологические сигналы — например, ситуации, когда мозг "выглядит спящим", а сердце ведет себя так, будто человек бодрствует. Такие расхождения чаще ассоциировались с неблагоприятными долгосрочными исходами.

"Если языковые модели учатся понимать человеческую речь, то SleepFM фактически учится понимать язык сна", — резюмировал Зоу.