Istraživači sa Stanforda naučili su umjetnu inteligenciju da "nauči jezik sna" kako bi predvidjela jesu li pacijenti u riziku od razvoja preko 100 bolesti.
Novi model umjetne inteligencije (AI) može utvrditi je li osoba u riziku od razvoja preko 100 zdravstvenih stanja, na temelju toga koliko dobro spava. SleepFM, veliki jezični model (LLM) koji su razvili istraživači sa Sveučilišta Stanford u Kaliforniji, očitava moždanu aktivnost korisnika, otkucaje srca, respiratorne signale, pokrete nogu i pokrete očiju dok spavaju kako bi procijenio rizik od bolesti.
U novoj studiji objavljenoj u časopisu Nature, istraživači su obučili AI model koristeći više od 580 000 sati podataka o spavanju prikupljenih od 65 000 pacijenata od 1999. do 2024. godine. Podaci su došli iz klinika za spavanje, medicinskih ustanova koje procjenjuju obrasce spavanja tijekom noći, i bili su podijeljeni u intervale od pet sekundi, koji su djelovali poput riječi na kojima se LLM-ovi obučavaju.
"SleepFM u biti uči jezik sna", rekao je za Euronews James Zou, izvanredni profesor biomedicinske znanosti o podacima na Stanfordu i koautor studije.
Istraživači su ove podatke nadopunili individualnim zdravstvenim kartonima pacijenata klinika za spavanje kako bi SleepFM obučili za predviđanje budućih bolesti. Model umjetne inteligencije bio je točan u najmanje 80 posto slučajeva prilikom predviđanja hoće li pacijent dobiti Parkinsonovu bolest, Alzheimerovu bolest, demenciju, hipertenzivnu bolest srca, srčani udar, rak prostate i rak dojke. Također je ispravno predvidio smrt pacijenta u 84 posto slučajeva. Model je bio manje točan u predviđanju pacijenata s kroničnom bolešću bubrega, moždanim udarom i aritmijom (nepravilnim otkucajima srca), a koju je otkrio u najmanje 78 posto slučajeva.
Autori studije rekli su da je kombinacija svih podataka pomogla modelu da postigne najtočnija predviđanja. Na primjer, tjelesni signali koji nisu bili sinkronizirani, poput mozga koji izgleda kao da spava, ali srca koje izgleda budno, ukazivali su na problem. Rekli su da će dodati podatke s nosivih uređaja u bazu podataka SleepFM-a kako bi dodatno poboljšali predviđanja modela.
Istraživači su također primijetili da su u njihovoj studiji korišteni samo podaci o ljudima koji su već sumnjali na postojeće zdravstvene probleme zbog sudjelovanja u ispitivanjima klinike za spavanje, što znači da njihov uzorak nije reprezentativan da umjetna inteligencija otkrije bolesti šire populacije.
