Ερευνητές από το Πανεπιστήμιο Stanford ανέπτυξαν ένα πρωτοποριακό μοντέλο τεχνητής νοημοσύνης, το SleepFM, το οποίο μπορεί να εντοπίσει τον κίνδυνο εμφάνισης περισσότερων από 100 παθήσεων αναλύοντας τα δεδομένα από μόλις μία νύχτα ύπνου.
Το SleepFM λειτουργεί ως ένα μεγάλο γλωσσικό μοντέλο (LLM) που αντί για λέξεις, «διαβάζει» τη φυσιολογία του ανθρώπινου σώματος.
Πώς λειτουργεί το SleepFM
Το μοντέλο εκπαιδεύτηκε με πάνω από 580.000 ώρες δεδομένων ύπνου από 65.000 ασθενείς. Κατά τη διάρκεια της νύχτας, η τεχνητή νοημοσύνη παρακολουθεί και συσχετίζει:
- Εγκεφαλική δραστηριότητα (EEG).
- Καρδιακό ρυθμό και αναπνευστικά σήματα.
- Κινήσεις των ματιών και των ποδιών.
Οι ερευνητές διαπίστωσαν ότι η ακρίβεια του μοντέλου αυξάνεται όταν συνδυάζει όλα αυτά τα σήματα. Για παράδειγμα, αν ο εγκέφαλος φαίνεται να κοιμάται αλλά η καρδιά βρίσκεται σε κατάσταση εγρήγορσης, το σύστημα το αναγνωρίζει ως ένδειξη πιθανού προβλήματος υγείας.
Ποσοστά επιτυχίας στην πρόβλεψη ασθενειών
Το μοντέλο επέδειξε εντυπωσιακά ποσοστά ακρίβειας στην πρόβλεψη σοβαρών καταστάσεων:
Ασθένεια / Κατάσταση, Ποσοστό Ακρίβειας
Νόσος Πάρκινσον & Αλτσχάιμερ, άνω του 80%
Καρδιακή προσβολή, άνω του 80%
Καρκίνος του μαστού & του προστάτη, άνω του 80%
Πρόβλεψη θανάτου, 84%
Εγκεφαλικό επεισόδιο & Αρρυθμία, τουλάχιστον 78%
Το μέλλον της διάγνωσης
«Ο ύπνος είναι μια κατάσταση όπου το σώμα είναι πλήρως “αιχμάλωτο” για οκτώ ώρες, επιτρέποντάς μας να μελετήσουμε τη γενική φυσιολογία του σε βάθος», εξήγησε ο καθηγητής Emmanuel Mignot.
Το επόμενο βήμα για την ομάδα του Stanford είναι η ενσωμάτωση δεδομένων από wearables (smartwatches και δαχτυλίδια ύπνου), ώστε η τεχνολογία να γίνει προσβάσιμη στο ευρύ κοινό και να μην περιορίζεται μόνο σε όσους επισκέπτονται εξειδικευμένες κλινικές ύπνου.
