Ένα νέο μοντέλο τεχνητής νοημοσύνης από το Στάνφορντ μπορεί να προβλέψει ιατρικά ζητήματα μέσω μελετών ύπνου. Οι μελέτες ύπνου, στις οποίες οι συμμετέχοντες παρακολουθούνται με αισθητήρες κατά τη διάρκεια του ύπνου τους, έχουν αποδειχθεί ικανές να ανιχνεύσουν με ακρίβεια μελλοντικά προβλήματα υγείας, σύμφωνα με ερευνητές από το Στάνφορντ. Το μοντέλο τεχνητής νοημοσύνης (ΑΙ) που ανέπτυξαν μπορεί να εκτιμήσει την πιθανότητα εμφάνισης περισσότερων από 100 παθήσεων, χρησιμοποιώντας δεδομένα από μία μόνο νύχτα (key001).
Στην περίπτωση της νόσου του Πάρκινσον, η ακρίβεια των προβλέψεων του μοντέλου SleepFM φτάνει το 90%, όπως αναφέρεται στην επιθεώρηση Nature Medicine. Επιπλέον, το μοντέλο μπορεί να προβλέψει με ακρίβεια άνω του 80% και άλλες παθήσεις όπως η άνοια, το έμφραγμα, τον καρκίνο του προστάτη και του μαστού (key002).
Τα δεδομένα που χρησιμοποιήθηκαν για την εκπαίδευση του μοντέλου προέρχονται από πολυυπνογραφικές μελέτες, οι οποίες είναι ο καθοριστικός παράγοντας για τη διάγνωση διαταραχών του ύπνου, παρακολουθώντας τον κοιμισμένο ασθενή με μια σειρά από μετρήσεις. Οι ερευνητές αναγνωρίζουν ότι πρόκειται για μια πηγή πλούσιων δεδομένων που παρέμενε ανεκμετάλλευτη για αρκετό καιρό.
Για την αξιοποίηση αυτών των δεδομένων, οι ερευνητές ανέπτυξαν ένα μοντέλο ΑΙ που εκπαιδεύτηκε με τις καταγραφές 585.000 ωρών πολυυπνογραφίας από διάφορες κλινικές ύπνου. Αρχικά, η ομάδα επιβεβαίωσε ότι το μοντέλο μπορεί να πραγματοποιήσει τη στάνταρ ανάλυση που αναγνωρίζει τα διάφορα στάδια του ύπνου και να διαγνώσει την σοβαρότητα της υπνικής άπνοιας. Στην περίπτωση αυτή, το SleepFM παρουσίασε συγκρίσιμες ή καλύτερες επιδόσεις από τα υπάρχοντα μοντέλα.
Στη συνέχεια, οι ερευνητές συνέκριναν τα δεδομένα πολυυπνογραφίας 35.000 ασθενών με τα προβλήματα υγείας που είχαν καταγραφεί στους ιατρικούς φακέλους τους. Το SleepFM μπορεί να προβλέψει 130 από αυτές τις παθήσεις, ειδικά καρκίνους, επιπλοκές της εγκυμοσύνης και ψυχικές διαταραχές.
Οι ερευνητές στοχεύουν να βελτιώσουν περαιτέρω την προγνωστική ικανότητα του μοντέλου, εξετάζοντας δεδομένα από φορετές συσκευές παρακολούθησης ύπνου. Ωστόσο, παραδέχονται ότι δεν έχουν ακόμα σαφή κατανόηση του πώς το μοντέλο υπολογίζει την πιθανότητα εμφάνισης ασθενειών. Όπως σημειώνει ο Τζέιμς Ζόου, συνεπικεφαλής της μελέτης, Δεν μας το εξηγεί στα αγγλικά, αλλά έχουμε αναπτύξει τεχνικές για να κατανοήσουμε τι εξετάζει το μοντέλο κατά την πρόβλεψη.
in.gr
