L'intelligenza artificiale di Stanford analizza i dati del sonno per rilevare gli indicatori precoci di rischio di malattia che appaiono durante il sonno

I ricercatori hanno sede presso la Stanford Medicine e le istituzioni che collaborano. Il loro modello SleepFM, che si basa sull'intelligenza artificiale, elabora registrazioni di polisonnografia (PSG) complete. La PSG è uno studio del sonno completo e multiparametrico, utilizzato per valutare il funzionamento del corpo di un soggetto durante il sonno.

Come l'AI legge il linguaggio del sonno

La PSG monitora le onde cerebrali, la respirazione, i movimenti oculari, l'attività muscolare, i ritmi cardiaci e i livelli di ossigeno nel sangue. SleepFM mira ad andare oltre i soli disturbi del sonno, trattando questi segnali come un unico set di dati fisiologici.

Con l'assistenza dell'AI, i ricercatori hanno analizzato il più grande set di dati del suo genere: 585.000 ore di sonno di 65.000 persone. SleepFM ha tagliato le registrazioni in frammenti di cinque secondi, che hanno aiutato il modello a individuare modelli simili a come i modelli linguistici di grandi dimensioni gestiscono le parole e le frasi.

Formazione su più sistemi corporei

SleepFM è considerato un'innovazione per la sua capacità di combinare più fonti di segnale. Può elaborare simultaneamente l'attività cerebrale, il movimento muscolare, i modelli di respirazione, ecc. Il monitoraggio di più sistemi corporei consente a SleepFM di rilevare quando i segnali fisiologici vanno fuori fase durante il sonno.

I ricercatori hanno addestrato il modello sul modo in cui le diverse parti del corpo interagiscono, utilizzando il metodo di apprendimento contrastante leave-one-out. La tecnica funziona eliminando un segnale e ricostruendolo dagli altri.

Prevedere le malattie con anni di anticipo

Per verificare se il sonno da solo potesse essere usato per prevedere le malattie future, il team ha unito le cartelle cliniche di una singola clinica con i dati del sonno. Il risultato è stato che SleepFM ha previsto 130 condizioni, tra cui demenza, cancro, morbo di Parkinson e infarto. Il modello ha ottenuto punteggi C-index superiori a 0,8, il che significa che ha previsto con precisione le condizioni dei pazienti più di 8 volte su 10.

I ricercatori stanno ora lavorando per migliorare SleepFM e integrare i dati dei dispositivi indossabili.