Stanford AI analyseert slaapgegevens om vroegtijdige ziekterisico-indicatoren op te sporen die verschijnen terwijl u slaapt

De onderzoekers werken bij Stanford Medicine en samenwerkende instellingen. Hun SleepFM-model, dat gebaseerd is op AI, verwerkt volledige polysomnografie (PSG) opnames. PSG is een uitgebreid, multi-parameter slaaponderzoek dat wordt gebruikt om te evalueren hoe het lichaam van een proefpersoon functioneert tijdens de slaap.

Hoe AI de taal van de slaap leest

PSG monitort hersengolven, ademhaling, oogbewegingen, spieractiviteit, hartritmes en zuurstofniveaus in het bloed. SleepFM wil verder gaan dan alleen slaapstoornissen door deze signalen als één fysiologische dataset te behandelen.

Met behulp van AI analyseerden de onderzoekers de grootste dataset in zijn soort: 585.000 uur slaaptijd van 65.000 mensen. SleepFM verdeelde de opnames in stukjes van vijf seconden, waardoor het model patronen kon ontdekken die vergelijkbaar zijn met hoe grote taalmodellen woorden en zinnen verwerken.

Training van meerdere lichaamssystemen

SleepFM wordt beschouwd als een doorbraak omdat het meerdere signaalbronnen kan combineren. Het kan gelijktijdig hersenactiviteit, spierbewegingen, ademhalingspatronen, enz. verwerken. Door meerdere lichaamssystemen te volgen, kan SleepFM detecteren wanneer fysiologische signalen tijdens de slaap uit fase raken.

De onderzoekers trainden het model op hoe verschillende lichaamsdelen op elkaar inwerken met behulp van de leave-one-out contrasting learning-methode. De techniek werkt door één signaal te elimineren en het opnieuw op te bouwen uit de andere signalen.

Ziekte jaren van tevoren voorspellen

Om te testen of slaap alleen gebruikt kon worden om toekomstige ziekten te voorspellen, voegde het team medische gegevens van één kliniek samen met slaapgegevens. Het resultaat was dat SleepFM 130 aandoeningen voorspelde, waaronder dementie, kanker, de ziekte van Parkinson en een hartaanval. Het model behaalde C-indexscores boven de 0,8, wat aangeeft dat het meer dan 8 van de 10 keer nauwkeurig patiëntaandoeningen voorspelde.

De onderzoekers werken nu aan het verbeteren van SleepFM en het integreren van gegevens van draagbare apparaten.