Причому ШІ здатен робити такі оцінки за роки до появи перших симптомів хвороби, наголошує Джеймс Зоу, доцент Стенфордського університету та один із авторів дослідження, опублікованого в журналі Nature Medicine. Модель під назвою SleepFM була розроблена командою під керівництвом Рахула Тапи, фахівця з біомедичних даних зі Стенфордського університету, та навчена на сотнях тисяч годин записів із лабораторій сну.
Від сигналів уві сні — до прогнозу захворювань
Дослідження сну в спеціалізованій лабораторії називається полісомнографією. Під час цього діагностичного обстеження, яке зазвичай триває лише одну ніч, фіксується робота різних систем організму під час сну: мозку, серця, дихання, м’язового напруження, а також рухи очей і ніг та інші показники.
Читайте також: Покоління Z майже не розмовляє — і це може їм дорого коштувати
Для навчання SleepFM команда використала близько 585 тисяч годин таких записів, отриманих приблизно від 65 тисяч людей з різних груп, які проходили обстеження переважно в центрі медицини сну при Стенфордському університеті.
На етапі попереднього навчання ШІ «навчився» координувати та статистично обробляти сигнали мозку, серця й дихання людини під час сну. Після базової підготовки модель доопрацювали для визначення стадій сну та діагностики апное. За точністю оцінок вона досягла рівня, співставного з відомими універсальними моделями на кшталт U-Sleep та YASA.
Далі дослідники зіставили дані про сон з електронними медичними картками за останні 25 років і проаналізували, які діагнози можна прогнозувати на основі інформації лише з однієї ночі. Із понад тисячі категорій модель виявила 130 захворювань, ризик розвитку яких можна передбачити з помірною або високою точністю.
За словами Рахула Тапи, такий підхід демонструє, що «рутинні вимірювання сну відкривають досі недооцінене “вікно” для довгострокового моніторингу стану здоров’я людини».
Найточнішими виявилися прогнози деменції, хвороби Паркінсона, інфаркту міокарда, серцевої недостатності, деяких видів раку, а також загальної смертності. «В принципі, модель штучного інтелекту можна навчити для дуже широкого спектра прогнозів, якщо для цього є відповідна база даних», — зазначає Себастіан Буш’єґер, експерт зі сну з Інституту Ламарра Технічного університету Дортмунда, який не брав участі в дослідженні.
Що саме шукає ШІ в організмі людини уві сні
Аналіз показує, що сигнали серця особливо важливі для прогнозування серцево-судинних захворювань, тоді як сигнали мозку — для неврологічних і психічних розладів. Водночас найбільш інформативним є поєднання різних сигналів, наприклад, коли електроенцефалографія свідчить про стабільний сон, але серце виглядає «бадьорим».
Такі розбіжності між активністю мозку та серця можуть вказувати на приховані навантаження або ранні стадії захворювань задовго до появи симптомів. «Якщо наші колеги в медицині сну підозрюють певні зв’язки, ми, фахівці з штучного інтелекту, можемо включити це в систему прогнозування або вказати, де саме такі зв’язки можуть проявлятися», — пояснює експерт. Водночас він наголошує, що йдеться передусім про статистичні кореляції, а причинно-наслідкові зв’язки мають підтверджувати медичні фахівці.
Наскільки надійні лабораторні дані
Модель переважно базується на даних лабораторій сну — тобто на інформації про людей, яких зазвичай направляли на обстеження через проблеми зі сном і які мешкають у регіонах з доступом до високотехнологічної медицини. Дослідники інтегрували дані з кількох американських та європейських груп.
Модель додатково тестують у межах незалежного дослідження, однак люди без проблем зі сном і мешканці регіонів з менш розвиненою системою охорони здоров’я поки що представлені недостатньо.
Можливості та обмеження для діагностики і терапії
SleepFM не визначає причини захворювань, а лише виявляє кореляції, наголошують дослідники. Модель розпізнає статистичні закономірності у сні, які можуть бути пов’язані з подальшими діагнозами.
«Більшість методів штучного інтелекту не здатні встановлювати причинно-наслідкові зв’язки», — пояснює інформатик Маттіас Якобс з Технічного університету Дортмунда, який також не брав участі в дослідженні. Водночас він бачить «значний потенціал для діагностики та терапії навіть у разі використання лише статистичних кореляцій».
ШІ допомагає, але не замінює людину
Такі моделі, як SleepFM, стискають величезні обсяги даних полісомнографії в компактні числові матриці, що дозволяє проводити швидший і часто точніший аналіз. Це дає змогу ефективніше визначати стадії сну та апное — завдання, які є дуже трудомісткими і схильними до помилок під час ручного аналізу. Завдяки цьому лікарі можуть приділяти більше часу пацієнтам.
Експерти наголошують: вирішальне значення має міждисциплінарна співпраця. Штучний інтелект може бути добре навченим плануванню терапії, але саме лікар інтерпретує результати і обирає лікування, часто не знаючи всіх причин. Тому ШІ залишається інструментом і системою раннього попередження, тоді як відповідальність за діагностику та лікування й надалі лежить на медичних працівниках.
Питання про те, чи вказують виявлені закономірності на біологічні механізми, що лежать в їхній основі, і якою мірою — залишається відкритим. Водночас саме в цьому дослідники бачать значний потенціал: якщо певні сигнали сну постійно пов’язані з конкретними захворюваннями, це може підказати, які процеси в нервовій, серцево-судинній або імунній системах порушуються на ранніх стадіях хвороби.
Читайте також: "Помиї ШІ" та "гниття мозку": настали останні дні соцмереж, а штучний інтелект зламає інтернет?