Stanford-Forscher brachten einer KI bei, die Sprache des Schlafs zu lernen, um vorherzusagen, ob Patienten Gefahr laufen, mehr als 100 Gesundheitszustände zu entwickeln.
Ein neues KI-Modell kann sagen, ob eine Person Gefahr läuft, mehr als 100 Gesundheitszustände zu entwickeln, basierend darauf, wie gut sie schläft.
SleepFM, ein großes Sprachmodell (LLM) entwickelt von Forschern der Kalifornien-Universität Stanford, liest während des Schlafs die Gehirnaktivität, die Herzfrequenz, Atemsignale, Beinbewegungen und Augenbewegungen eines Nutzers, um das Krankheitsrisiko zu bewerten.
In einer neuen Studie, die in Nature, veröffentlicht wurde, trainierten die Forscher das KI-Modell mit über 580.000 Stunden Schlafdaten von 65.000 Patienten aus dem Zeitraum 1999 bis 2024.
Die Daten stammten aus Schlafkliniken, medizinischen Einrichtungen, die Schlafmuster über Nacht bewerten, und wurden in Fünf-Sekunden-Abschnitte unterteilt, die wie Wörter für das Training von LLMs dienten.
„SleepFM lernt im Wesentlichen die Sprache des Schlafs“, sagte James Zou, assoziierter Professor für Biomedizinische Datenwissenschaft an der Stanford-Universität und Co-Autor der Studie.
Die Forscher ergänzten diese Daten mit den individuellen Gesundheitsakten der Schlafklinik-Patienten, um SleepFM zu trainieren, künftige Krankheiten vorherzusagen.
The AI model was right at least 80 percent of the time when predicting whether a patient would get Parkinson’s disease, Alzheimer’s disease, dementia, hypertensive heart disease, heart attack, prostate cancer, and breast cancer. It also correctly predicted a patient’s death 84 percent of the time.
Das KI-Modell lag bei der Vorhersage, ob ein Patient Parkinson-Krankheit, Alzheimer-Krankheit, Demenz, Bluthochdruck-Herzerkrankung, Herzinfarkt, Prostatakrebs und Brustkrebs entwickeln würde, mindestens 80 Prozent richtig. Es sagte auch den Tod eines Patienten in 84 Prozent der Fälle korrekt voraus.
The model was less accurate in predicting patients with chronic kidney disease, stroke, and arrhythmia, considered an irregular heartbeat, which it detected in at least 78 percent of cases.
Das Modell war weniger genau bei der Vorhersage von Patienten mit chronischer Nierenerkrankung, Schlaganfall und Arrhythmie, die als unregelmäßiger Herzschlag gilt, die es in mindestens 78 Prozent der Fälle erkannte.
„Wir protokollieren eine erstaunliche Anzahl von [Gesundheits] Signalen, wenn wir Schlaf untersuchen“, sagte Emmanuel Mignot, Professor für Schlafmedizin an der Stanford University. „Es ist eine Art allgemeine Physiologie, die wir acht Stunden lang bei einem völlig gefesselten Probanden studieren. Es ist sehr datenreich.“
Die Autoren der Studie sagten, dass die Kombination aller Daten dem Modell die genauesten Vorhersagen ermöglichte. Zum Beispiel deuteten körpereigene Signale, die aus dem Gleichgewicht geraten waren, wie ein Gehirn, das schläft, aber ein Herz, das wach wirkt, auf Probleme hin.
Stanford kündigte an, dass sie als nächstes Daten von Wearables in die SleepFM-Datenbank aufnehmen werden, um die Vorhersagen der Modelle weiter zu verbessern.
Darüber hinaus stellten die Forscher fest, dass ihre Studie nur Personen umfasste, die aufgrund ihrer Teilnahme an Schlafklinikversuchen bereits von bestehenden Gesundheitsproblemen ausgingen, was bedeutet, dass ihre Stichprobe nicht repräsentativ für die Fähigkeit der KI ist, Krankheiten in der Allgemeinbevölkerung zu erkennen.
