Вештачка интелигенција само током једне ноћи сна препознаје ризик од више од 130 болести

Из сигнала једне једине ноћи у лабораторији за спавање, нова врста вештачке интелигенције може да процени каснији ризик за око 130 болести, међу њима Паркинсонову болест, деменцију, срчани удар, као и рак простате и рак дојке. И то „годинама пре него што се појаве први симптоми“, каже Џејмс Зо, научник за податке са Универзитета Станфорд и један од аутора студије објављене у стручном часопису Nature Medicine.

Нови модел ВИ носи назив SleepFM и трениран је на стотинама хиљада сати података о сну. Развијен је у тиму који је предводио Рахул Тапа, биомедицински научник за податке са Универзитета Станфорд.

Како ВИ учи да „чита“ сан

Испитивање и мерење сна у лабораторији за спавање назива се полисомнографија. Том приликом се истовремено бележе мождани таласи, срчана активност, дисање, мишићна напетост, као и покрети очију и ногу. За SleepFM тим је користио око 585.000 сати таквих записа од приближно 65.000 особа из више група, углавном из Станфордовог центра за медицину спавања.

Током припремног тренинга ВИ је учила како су сигнали мозга, срца и дисања усклађени током нормалног сна. На тај начин модел статистички усваја неку врсту „језика сна“.

Од сигнала сна до прогнозе болести

Након овог основног тренинга, SleepFM је додатно прилагођен задацима као што су препознавање фаза сна и дијагностика апнеје у сну, при чему постиже резултате који су конкурентни етаблираним методама попут U-sleep или YASA.

Ова два програма користе податке добијене снимањем можданих таласа (ЕЕГ) и помажу истраживачима да препознају и анализирају фазе сна.

Затим су истраживачи повезали податке о сну са електронским здравственим картонима који обухватају период до 25 година уназад и проверили које се касније дијагнозе могу предвидети на основу само једне ноћи мерења.

Из више од 1.000 категорија модел је идентификовао 130 болести чији се ризик могао прогнозирати са најмање умереном до високом тачношћу. Први аутор Рахул Тапа додатно наглашава да приступ показује „да рутинска мерења сна отварају до сада потцењен прозор у дугорочно здравље човека“.

Посебно успешна била је прогноза за деменцију, Паркинсонову болест, срчани удар, срчану инсуфицијенцију, одређене врсте рака, као и укупну смртност. „У принципу, модел ВИ се може тренирати за веома много могућих прогноза, под условом да за то постоји одговарајућа база података“, каже Себастијан Бушјегер, стручњак за сан са Института Ламар Техничког универзитета Дортмунд, који није учествовао у студији.

Шта ВИ тражи у телу током сна

Анализа показује да срчани сигнали посебно много доприносе предвиђању кардиоваскуларних болести, док су мождани сигнали важнији за неуролошке и психичке поремећаје. Најинформативнија је, међутим, комбинација различитих сигнала – на пример када ЕЕГ показује стабилно стање сна, док срце делује више „будно“.

Такве противречности између мозга и срца могле би да указују на скривене оптерећења или ране процесе болести, много пре него што симптоми постану уочљиви. „Ако колеге из медицине спавања имају сумњу на одређену повезаност, ми из области ВИ то можемо да преточимо у прогностички систем, а истовремено да укажемо на то где би могле постојати везе“, каже Бушјегер.

„Везе које ми испоручујемо углавном су статистичке природе. Узрочну повезаност морају да потврде стручњаци“, нагласио је за Дојче веле стручњак за спавање из Дортмунда.

Колико су поуздани лабораторијски подаци?

Основа модела су првенствено подаци из лабораторија за спавање, дакле од људи који су најчешће упућени на лечење због проблема са сном и који живе у богатијим регионима са приступом високотехнолошкој медицини.

Иако истраживачи интегришу више америчких и европских група, такозваних кохорти, модел се додатно тестира у независној студији. Ипак, људи без тегоба са сном или из слабије здравствено збринутих региона света остају недовољно заступљени.

Шансе и ограничења за дијагностику и терапију

Истраживачи изричито наглашавају да SleepFM не открива узроке болести, већ корелације: он препознаје статистичке обрасце у сну који би могли бити повезани са каснијим дијагнозама.

„Већина модела ВИ не учи узрочне везе“, објашњава информатичар Матијас Јакобс са Техничког универзитета Дортмунд, који истражује АИ и методе машинског учења (МЛ) за анализу података о сну и није учествовао у студији.

МЛ-методе су рачунски поступци помоћу којих рачунари уче из да у понуђеним подацима препознају обрасце и доносе предвиђања, без потребе да свако правило буде експлицитно програмирано.

Упркос томе, Јакобс види „потенцијал за дијагностику и терапију, чак и ако се користе искључиво статистичке везе“.

ВИ помаже човеку, али га не замењује

Модели попут SleepFM сажимају огромне количине података из полисомнографије у такозване „уградње“, односно компактне нумеричке репрезентације које омогућавају бржу и често прецизнију анализу. „Фазе сна или апнеје могу се тако ефикасно забележити – што је ручно веома дуготрајан посао подложан грешкама. Тиме остаје више времена лекарима за пацијенте“, каже Јакобс.

Стручњак за спавање Бушјегер истовремено наглашава да је кљ учна интердисциплинарна сарадња: „ВИ се може добро истренирати за планирање терапије, али човек тумачи резултате и бира терапију, често и без потпуног познавања свих узрока.“

Тако ВИ остаје алат и систем раног упозорења – одговорност за дијагнозу и лечење и даље је на медицинском особљу.

Да ли и у којој мери пронађени обрасци указују на основне биолошке механизме још увек је отворено питање, али управо ту истраживачи виде велики потенцијал.

Ако се одређени сигнални профили у сну изнова повезују са појединачним болестима, они би могли да пруже назнаке о томе који процеси у нервном, кардиоваскуларном или имунолошком систему рано губе равнотежу – и тиме омогуће закључке о здрављу људи и изван досадашњих кохорти лабораторија за спавање .