Використовуючи інформацію з лабораторій сну, була створена нова модель штучного інтелекту, здатна прогнозувати ймовірність виникнення серйозних захворювань ще до того, як з'являться перші симптоми.
На основі даних, зібраних за одну ніч у лабораторії сну, штучний інтелект (ШІ) має можливість оцінити ймовірність розвитку більше 130 різних захворювань, таких як хвороба Паркінсона, інфаркт та рак молочної залози. Проте варто зазначити, що програма не виявляє причин, а лише встановлює кореляції. Нова модель ШІ проводить аналіз мозкових хвиль, серцевого ритму, дихальних показників, м'язової активності та інших параметрів організму під час сну.
Більше того, штучний інтелект здатен виявити захворювання ще до виникнення перших ознак, зазначає Джеймс Зоу, доцент Стенфордського університету та один з авторів дослідження, опублікованого в журналі Nature Medicine. Нова система ШІ під назвою SleepFM була створена командою на чолі з Рахулом Тапою, експертом у галузі біомедичних даних Стенфорду, і була навчена на основі сотень тисяч годин записів з лабораторій сну.
Полісомнографія - це метод дослідження сну, що проводиться в спеціалізованих лабораторіях. Під час цього обстеження, яке зазвичай триває одну ніч, фахівці аналізують роботу різних систем організму під час сну, включаючи активність головного мозку, серцеву діяльність, дихання, м'язовий тонус, а також рухи очей, ніг і інших частин тіла. Для навчання системи SleepFM команда використовувала близько 585 тисяч годин записів, отриманих від приблизно 65 тисяч осіб з різних груп, які проходили обстеження в основному в центрі медицини сну при Стенфордському університеті.
Протягом попереднього навчання штучний інтелект "освоїв" узгодження та статистичне фіксування інформації про сигнали мозку, серця та дихання людини під час сну. Після початкової підготовки модель SleepFM була вдосконалена для виконання завдань, таких як визначення стадій сну і діагностика апное під час сну. В результаті її точність досягла рівня, що порівнюється з такими універсальними моделями, як U-Sleep і YASA. Ці програми є одними з найвідоміших класифікаторів стадій сну, які аналізують дані електроенцефалографії (ЕЕГ), що забезпечує детальний огляд активності головного мозку і сприяє діагностиці різних неврологічних станів та розладів.
Після цього дослідники порівняли дані сну з електронними медичними картами за останні 25 років та дослідили, які діагнози можна було передбачити на основі інформації, отриманої за одну ніч. З понад тисячі категорій модель виявила 130 захворювань, ризик розвитку яких можна було прогнозувати з точністю від помірної до високої. Такий підхід демонструє, "що рутинні вимірювання сну відкривають досі недооцінене "вікно" для моніторингу довгострокового стану здоров'я людини", зазначає дослідник Рахул Тапа.
Особливо точним виявилося прогнозування деменції, хвороби Паркінсона, інфаркту міокарда, серцевої недостатності, деяких видів раку, а також загальної смертності. "Загалом, модель штучного інтелекту може бути навчена здійснювати дуже широкий спектр прогнозів, якщо для цього існує відповідна база даних", - вважає Себастьян Буш'єґер (Sebastian Buschjäger), експерт зі сну з Інституту Ламарра - одного з ключових дослідницьких центрів Технічного університету Дортмунда, який не брав участь у дослідженні.
Аналіз свідчить про те, що для передбачення серцево-судинних хвороб ключову роль відіграють серцеві сигнали, тоді як для неврологічних та психічних розладів важливими є сигнали мозку. Проте найбільшу цінність представляє інтеграція різних типів сигналів. Наприклад, ситуація, коли електроенцефалограма (ЕЕГ) вказує на наявність стабільного сну, тоді як серцева активність демонструє ознаки неспання, є особливо інформативною.
Схожі розбіжності між мозком і серцем можуть вказувати на невидимі стреси або на початкові стадії захворювання задовго до того, як з’являться перші симптоми. "Якщо наші колеги в області медицини сну підозрюють, що існує зв'язок, ми, спеціалісти зі штучного інтелекту, можемо інтегрувати цю інформацію в систему прогнозування або вказати на можливі місця, де такі зв'язки можуть проявлятися," - зазначив фахівець зі сну з Дортмунда в інтерв'ю для DW. "Проте, кореляції, які ми надаємо, в основному є статистичними. Причинно-наслідковий зв'язок має бути підтверджений експертами."
Модель розроблена переважно на основі даних з лабораторій сну, що містять інформацію про людей, які зазвичай проходили обстеження через проблеми зі сном і проживають у благополучних районах із доступом до сучасних медичних технологій. Дослідники об'єднали ці дані в декілька когорт, що охоплюють групи з США та Європи.
Модель додатково тестують у рамках незалежного дослідження, однак люди без проблем зі сном або ті, що живуть у регіонах із менш розвиненим медичним обслуговуванням, ще недостатньо представлені в ньому.
SleepFM не встановлює причинно-наслідкові зв'язки захворювань, а лише виявляє кореляції, підкреслюють дослідники: ця модель штучного інтелекту ідентифікує статистичні патерни у сні, які можуть бути асоційовані з потенційними медичними діагнозами.
"Значна частина методів штучного інтелекту не може ідентифікувати причинно-наслідкові взаємозв'язки," - зазначає Маттіас Якобс, інформатик з Технічного університету Дортмунда, який займається дослідженнями в галузі штучного інтелекту та машинного навчання для аналізу даних про сон, але не був залучений до даного дослідження.
Методи машинного навчання представляють собою комп'ютерні технології, які дозволяють машинам навчатися на основі наданих їм даних, виявляти закономірності та здійснювати прогнози без необхідності програмувати кожне правило вручну. При цьому Якобс підкреслює наявність "можливостей для діагностики та лікування, навіть якщо будуть використані лише статистичні кореляції", як він зазначив у коментарі для DW.
Моделі, такі як SleepFM, перетворюють великі обсяги полісомнографічних даних у зручні числові матриці, що дозволяє здійснювати більш швидкий та часто точніший аналіз. "Це допомагає ефективно характеризувати стадії сну та епізоди апное, що є складним процесом, який при ручному виконанні може бути схильний до помилок. Завдяки цьому лікарі отримують більше часу для спілкування з пацієнтами", - зазначає Маттіас Якобс.
Себастьян Буш'єґер, експерт у галузі сну з Дортмунда, акцентує увагу на важливості міждисциплінарної співпраці. Він зазначає: "Штучний інтелект може бути ефективно навчений для розробки терапевтичних планів, але саме лікар, людина, аналізує результати та приймає рішення щодо лікування, часто не маючи повної інформації про всі чинники". Таким чином, ШІ слугує лише як інструмент і система раннього виявлення, тоді як відповідальність за діагностику та лікування залишається на плечах медичних фахівців.
Питання про те, чи можуть виявлені закономірності вказувати на певні біологічні механізми, що їх спричиняють, і як саме, поки залишається відкритим. Але саме в цьому дослідники бачать великий потенціал.
Якщо певні сигнали, зафіксовані під час сну, постійно пов'язані з конкретними захворюваннями, це може вказати на те, які процеси в нервовій, серцево-судинній або імунній системі починають порушуватися на початкових етапах хвороби. Це також надасть можливість оцінювати стан здоров'я людей, які не належать до звичних груп, що підлягають дослідженню в лабораторіях сну.
#Організм #Симптом #Модель #Серце #Моніторинг #Мозок #Штучний інтелект #Медицина #Дихання #Гострий інфаркт міокарда #Хвороба Паркінсона #Дортмунд #Стенфордський університет #Неврологія #Прогнозування #М'язовий тонус #Америка #Сон #Серцевий напад #Електроенцефалограма #Діагностика #Апное сну #Серцева недостатність
