За сигналами однієї ночі в лабораторії сну новий штучний інтелект може оцінити пізніший ризик приблизно 130 захворювань, включаючи хворобу Паркінсона, деменцію, серцевий напад, а також рак простати та молочної залози. «За роки до появи перших симптомів», — каже Джеймс Зо, спеціаліст з обробки даних зі Стенфордського університету та один із авторів дослідження, опублікованого в журналі Nature Medicine.
Нова модель штучного інтелекту називається SleepFM і була навчена на сотнях тисяч годин даних про сон. Її розробила команда під керівництвом Рахула Тапи, спеціаліста з біомедичних даних зі Стенфордського університету.
Як штучний інтелект вчиться «читати» сни
Процес тестування та вимірювання сну в лабораторії сну називається полісомнографією. Він одночасно записує мозкові хвилі, частоту серцевих скорочень, дихання, м'язову напругу, а також рухи очей і ніг. Для SleepFM команда використала близько 585 000 годин таких записів від приблизно 65 000 людей з різних груп, переважно зі Стенфордського центру медицини сну.
Під час підготовчого навчання штучний інтелект дізнався, як сигнали мозку, серця та дихання координуються під час нормального сну. Таким чином, модель статистично використовує своєрідну «мову сновидінь».
Від сигналів сну до прогнозу захворювання
Після цього базового навчання SleepFM додатково адаптується до таких завдань, як розпізнавання стадій сну та діагностика апное сну, досягаючи результатів, які конкурують із визнаними методами, такими як U-Sleep або YASA.
Ці дві програми використовують дані, отримані з записів мозкових хвиль (ЕЕГ), і допомагають дослідникам визначати та аналізувати стадії сну.
Потім дослідники пов'язали дані про сон з електронними медичними записами за період до 25 років і перевірили, які пізніші діагнози можна передбачити на основі лише однієї ночі вимірювань.
З понад 1.000 категорій модель визначила 130 захворювань, ризик яких можна було передбачити щонайменше з помірною або високою точністю. Перший автор дослідження Рахул Тапа додає, що цей підхід показує, «що регулярні вимірювання сну відкривають досі недооцінене вікно в довгострокове здоров'я людини».
Прогноз був особливо успішним для деменції, хвороби Паркінсона, інфаркту, серцевої недостатності, деяких видів раку та загальної смертності. «В принципі, модель штучного інтелекту можна навчити дуже великій кількості можливих прогнозів, за умови наявності для неї відповідної бази даних», — каже Себастьян Буш'єгер, експерт зі сну з Інституту Ламара при Технічному університеті Дортмунда, який не брав участі в дослідженні.
Що ШІ шукає в тілі під час сну
Аналіз показує, що серцеві сигнали особливо важливі для прогнозування серцево-судинних захворювань, тоді як сигнали мозку важливіші для неврологічних та психічних розладів. Однак найбільш інформативною є комбінація різних сигналів – наприклад, коли ЕЕГ показує стабільний стан сну, тоді як серце виглядає більш «прокинутим».
Такі суперечності між мозком і серцем можуть свідчити про приховані навантаження або ранні хворобливі процеси, задовго до того, як симптоми стануть помітними. «Якщо колеги з медицини сну підозрюють певний зв'язок, ми в галузі штучного інтелекту можемо перетворити це на прогностичну систему – і водночас вказати, де можуть існувати зв'язки», – каже Буш'єгер.
«Зв’язки, які ми надаємо, мають переважно статистичний характер. Причинно-наслідкові зв’язки мають бути підтверджені експертами», – наголосив експерт зі сну з Дортмунда у письмовій відповіді DW.
Наскільки достовірні лабораторні дані?
Модель базується переважно на даних лабораторій сну, тобто від людей, яких найчастіше направляють на лікування проблем зі сном і які проживають у багатших регіонах з доступом до високотехнологічної медицини. Хоча дослідники об'єднують кілька американських та європейських груп, так званих когорт, модель додатково перевіряється в незалежному дослідженні. Однак люди без проблем зі сном або з менш заможних регіонів світу залишаються недостатньо представленими.
Можливості та обмеження діагностики та терапії
Дослідники чітко наголошують, що SleepFM не виявляє причин захворювань, а лише кореляції: він розпізнає статистичні закономірності уві сні, які можуть бути пов'язані з пізнішими діагнозами.
«Більшість методів штучного інтелекту не вивчають причинно-наслідкових зв'язків», – пояснює комп'ютерний вчений Маттіас Якобс з Технічного університету Дортмунда, який досліджує методи штучного інтелекту та машинного навчання (ML) для аналізу даних сну та не брав участі в дослідженні.
Методи машинного навчання (ML) – це обчислювальні процедури, які навчають комп'ютери розпізнавати закономірності в наданих даних і робити прогнози без необхідності явного програмування кожного правила.
Незважаючи на це, Джейкобс бачить «потенціал для діагностики та терапії, навіть якщо використовувати суто статистичні залежності».
Штучний інтелект допомагає людям, але не замінює їх
Такі моделі, як SleepFM, стискають величезні обсяги полісомнографічних даних у так звані «вбудовування» або компактні числові представлення, які дозволяють проводити швидший і часто точніший аналіз.
«Таким чином можна ефективно реєструвати стадії сну або апное, що є дуже трудомістким та схильним до помилок завданням вручну. Це залишає лікарям більше часу для своїх пацієнтів», — каже Якобс.
Експерт зі сну Буш'єгер також наголошує на ключовому значенні міждисциплінарна співпраця: «Штучний інтелект можна добре навчити планувати терапію, але люди інтерпретують результати та обирають терапію, часто без повного знання всіх причин».
Таким чином, ШІ залишається інструментом і системою раннього попередження – відповідальність за діагностику та лікування все ще лежить на медичному персоналі.
Чи і якою мірою виявлені закономірності вказують на глибинні біологічні механізми, залишається відкритим питанням, але саме в цьому дослідники бачать великий потенціал.
Якщо певні сигнальні профілі уві сні будуть пов'язані з окремими захворюваннями, вони можуть дати підказки про те, які процеси в нервовій, серцево-судинній чи імунній системах втрачають баланс на ранніх стадіях, і таким чином дозволити робити висновки про здоров'я людини поза межами поточних когортних досліджень сну в лабораторії.
Бонусне відео:
