Το SleepFM μπορεί να ακούγεται σαν ραδιοφωνικός σταθμός που παίζει χαλαρωτικά κομμάτια για να μας πάρει ο ύπνος, αλλά στην πραγματικότητα «πιάνει σήμα» από κάτι πολύ πιο σοβαρό: το ίδιο μας το σώμα καθώς κοιμόμαστε.
Ερευνητές από το Πανεπιστήμιο Στάνφορντ ανέπτυξαν αυτό το πρωτοποριακό σύστημα τεχνητής νοημοσύνης το οποίο περιγράφεται στο Nature Medicine που, αντί να μεταδίδει μουσική, «ακούει» τον εγκέφαλο, την καρδιά, την αναπνοή και τις κινήσεις μας μέσα στη νύχτα και μετατρέπει όλα αυτά τα σήματα σε προβλέψεις για την υγεία μας.
Και δεν μας δείχνει απλώς αν κοιμηθήκαμε καλά, αλλά αν υπάρχει πιθανότητα να εμφανίσουμε πάνω από 100 διαφορετικές ασθένειες, από καρδιακά προβλήματα μέχρι νευροεκφυλιστικές νόσους και καρκίνους, μέσα στα επόμενα χρόνια. Και αυτό χρησιμοποιώντας φυσιολογικές καταγραφές από τον ύπνο μιας και μοναδικής νύχτας!
Οι ερευνητές εκπαίδευσαν το μοντέλο με δεδομένα από 65.000 ανθρώπους που κοιμήθηκαν για περισσότερες από 600.000 ώρες. Τα δεδομένα προήλθαν από πολυυπνογραφία, την πιο πλήρη εξέταση ύπνου που υπάρχει, όπου μέσω ποικίλων αισθητήρων καταγράφονται τα πάντα, εγκεφαλικά κύματα, καρδιακός ρυθμός, αναπνοή, κινήσεις ματιών και μυών. Όπως λέει ένας εκ των ερευνητών, ο Emmanuel Mignot, είναι σαν να έχει κάποιος οκτώ ώρες συνεχούς καταγραφής των αντιδράσεων ενός ανθρώπου σε μια από τις πιο αυθεντικές του καταστάσεις, στον ύπνο.
Η πολυυπνογραφία είναι το χρυσό πρότυπο στις μελέτες ύπνου που παρακολουθούν ασθενείς κατά τη διάρκεια της νύχτας σε εργαστήριο. Είναι επίσης, όπως συνειδητοποίησαν οι ερευνητές, ένα ανεκμετάλλευτο χρυσωρυχείο φυσιολογικών δεδομένων. Το ενδιαφέρον είναι ότι μέχρι σήμερα οι επιστήμονες αξιοποιούσαν μόνο ένα μικρό κομμάτι αυτών των δεδομένων.
Το νέο μοντέλο είναι σε θέση να ενσωματώσει πολλαπλές ροές δεδομένων, ηλεκτροεγκεφαλογραφίας, ηλεκτροκαρδιογραφίας, ηλεκτρομυογραφίας, ανάγνωσης παλμών και ροής αέρα αναπνοής, για παράδειγμα, και να κατανοήσει πώς σχετίζονται μεταξύ τους.
Με εργαλεία τεχνητής νοημοσύνης που θυμίζουν τον τρόπο που δουλεύει το ChatGPT, το SleepFM έμαθε να «διαβάζει» τον ύπνο σαν γλώσσα. Ο James Zou, ένας άλλος ερευνητής της ομάδας, το περιγράφει σαν ένα μοντέλο γλώσσας που καταλαβαίνει λέξεις και προτάσεις. Το SleepFM καταλαβαίνει μικρά κομμάτια ύπνου — διαστήματα 5 δευτερολέπτων — και τα συνδέει μεταξύ τους σαν να διαβάζει προτάσεις. Το μοντέλο ουσιαστικά μαθαίνει τη «γλώσσα του ύπνου».
Για να το καταφέρει αυτό το SleepFM, οι επιστήμονες ανέπτυξαν μια νέα τεχνική εκπαίδευσης, που λέγεται αντιπαραβολική μάθηση «leave-one-out», η οποία ουσιαστικά αποκρύπτει μια μορφή δεδομένων και προκαλεί το μοντέλο να ανακατασκευάσει το κομμάτι που λείπει με βάση τα άλλα σήματα, όπως π.χ. από τον εγκέφαλο ή από την αναπνοή. Έτσι από το πώς συνδέονται όλα μεταξύ τους το σύστημα μαθαίνει και πώς να «δένει» διαφορετικά σήματα σε μια ενιαία εικόνα.
Αφού ολοκληρώθηκε η εκπαίδευση, το SleepFM δοκιμάστηκε πρώτα σε πιο τυπικές εργασίες ανάλυσης π.χ. στην αναγνώριση των σταδίων του ύπνου, στη διάγνωση υπνικής άπνοιας κ.λπ. Εκεί τα πήγε εξαιρετικά, φτάνοντας ή ξεπερνώντας τα καλύτερα υφιστάμενα μοντέλα.
Ωστόσο, η πραγματική έκπληξη ήρθε αργότερα, όταν οι ερευνητές το σύνδεσαν με ιατρικά δεδομένα δεκαετιών από το Stanford Sleep Medicine Center, που είναι ένα κέντρο με ιστορία από το 1970. Από εκεί πήραν δεδομένα περίπου 35.000 ασθενών ηλικίας από 2 έως 96 ετών, με καταγραφές ύπνου από το 1999 έως το 2024, και τα συνδύασαν με ηλεκτρονικούς φακέλους υγείας που σε κάποιες περιπτώσεις κάλυπταν έως και 25 χρόνια παρακολούθησης.
Το μοντέλο τεχνητής νοημοσύνης εξέτασε πάνω από 1.000 κατηγορίες ασθενειών και κατέληξε στο συμπέρασμα ότι περίπου 130 παθήσεις μπορούν να προβλεφθούν με ικανοποιητική ακρίβεια μόνο από τα δεδομένα του ύπνου. Και εδώ τα πράγματα γίνονται πραγματικά εντυπωσιακά: η ακρίβεια του μοντέλου μετρήθηκε με τον δείκτη C (δείκτης συμφωνίας), που είναι ένα κοινό μέτρο της προγνωστικής απόδοσης ενός μοντέλου, όπου τιμές πάνω από 0,8 θεωρούνται πολύ ισχυρές. Σε πολλές περιπτώσεις, το SleepFM ξεπέρασε αυτό το όριο.
Για παράδειγμα το μοντέλο έδειξε εξαιρετικές επιδόσεις στην πρόβλεψη της Πάρκινσον (0,89), της άνοιας (0,85), των καρδιακών παθήσεων λόγω υπέρτασης (0,84), του εμφράγματος (0,81), αλλά και καρκίνων όπως του προστάτη (0,89) και του μαστού (0,87). Ακόμη και η συνολική θνησιμότητα μπόρεσε να εκτιμηθεί με δείκτη 0,84.
Με απλά λόγια, αν τοποθετήσει κάποιος δύο ανθρώπους δίπλα-δίπλα, το μοντέλο μπορεί στο περίπου 80% των περιπτώσεων να προβλέψει ποιος θα εμφανίσει πρώτος ένα πρόβλημα υγείας. Και για να το βάλουμε σε ένα πλαίσιο αρκεί να αναφερθεί ότι τέτοια μοντέλα μικρότερης ακρίβειας, με δείκτες C γύρω στο 0,7 όπως αυτά που προβλέπουν την ανταπόκριση ενός ασθενούς σε διαφορετικές θεραπείες για τον καρκίνο, έχουν αποδειχθεί χρήσιμα σε κλινικά περιβάλλοντα.
Το πιο ενδιαφέρον στοιχείο είναι ότι δεν είναι μόνο ένα σήμα που «μαρτυρά» το μέλλον της υγείας ενός ατόμου, αλλά ο συνδυασμός των σημάτων. Η καρδιά παίζει ρόλο στις καρδιοπάθειες, ο εγκέφαλος στις ψυχικές διαταραχές, αλλά η μεγαλύτερη δύναμη έρχεται όταν όλα συνδυάζονται. Ιδιαίτερα όταν κάτι δεν «ταιριάζει»: ένας εγκέφαλος που δείχνει βαθύ ύπνο αλλά μια καρδιά που συμπεριφέρεται σαν να τρέχει μαραθώνιο, εκεί το SleepFM… σηκώνει κεραία.
Οι επιστήμονες τώρα προσπαθούν να πάνε το σύστημα ακόμη πιο μακριά, ενσωματώνοντας πιθανώς δεδομένα από φορετές συσκευές και βελτιώνοντας την κατανόηση του τι ακριβώς «βλέπει» το μοντέλο. Γιατί, όσο εντυπωσιακές κι αν είναι οι προβλέψεις του, δεν μεταφράζονται πάντα εύκολα στην πραγματικότητα.
