Діагностика завтрашнього дня: штучний інтелект виявляє 130 хвороб під час сну.
На основі інформації, отриманої з досліджень сну, була розроблена нова модель штучного інтелекту, здатна прогнозувати ризик виникнення серйозних хвороб ще до появи їхніх перших ознак.
Базуючись на даних, отриманих за одну ніч у лабораторії сну, штучний інтелект (ШІ) здатен оцінити ризик розвитку понад 130 захворювань - від хвороби Паркінсона до інфаркту і раку молочної залози. Але програма визначає не причини, а тільки кореляцію. Нова модель ШІ аналізує мозкові хвилі, серцевий ритм, дихання, м'язову активність разом з іншими показниками організму під час нічного сну.
Більше того, штучний інтелект здатний виявляти захворювання ще до прояву перших симптомів, підкреслює Джеймс Зоу, доцент Стенфордського університету та один із авторів дослідження, опублікованого в журналі Nature Medicine. Нова модель штучного інтелекту, яка отримала назву SleepFM, була створена командою під керівництвом Рахула Тапи, експерта в галузі біомедичних даних Стенфордського університету, і навчена на основі сотень тисяч годин записів з лабораторій сну.
Полісомнографія — це процес дослідження сну, що проводиться у спеціалізованих лабораторіях. Ця діагностика, яка зазвичай триває лише одну ніч, дозволяє аналізувати функціонування різних систем організму під час сну, зокрема діяльність головного мозку, серця, дихальні показники, м'язовий тонус, а також рухи очей, ніг та інших частин тіла. Для навчання SleepFM команда використала приблизно 585 тисяч годин записів, отриманих від близько 65 тисяч осіб з різних груп, які проходили дослідження, в основному, в Центрі медицини сну Стенфордського університету.
Протягом попереднього навчання ШІ "навчився" узгоджувати та статистично фіксувати дані про сигнали мозку, серця і дихання людини під час сну. Після базової підготовки модель SleepFM була допрацьована для розв'язання таких завдань, як визначення стадій сну та діагностика апное уві сні - у результаті чого її точність стала порівнянною з показниками таких універсальних моделей, як U-Sleep і YASA. Ці програми - одні з найбільш відомих так званих класифікаторів стадій сну, що аналізують дані електроенцефалографії (ЕЕГ), яка дає детальну картину активності головного мозку і допомагає діагностувати різні неврологічні стани та розлади.
Після цього дослідники порівняли дані сну з електронними медичними картами за останні 25 років та дослідили, які діагнози можна було передбачити на основі інформації, отриманої за одну ніч. З понад тисячі категорій модель виявила 130 захворювань, ризик розвитку яких можна було прогнозувати з точністю від помірної до високої. Такий підхід демонструє, "що рутинні вимірювання сну відкривають досі недооцінене "вікно" для моніторингу довгострокового стану здоров'я людини", зазначає дослідник Рахул Тапа.
Прогнози щодо деменції, хвороби Паркінсона, інфаркту міокарда, серцевої недостатності, окремих типів раку, а також загальної смертності виявилися особливо точними. "В цілому, штучний інтелект може бути навчений робити широкий спектр прогнозів, якщо є відповідні дані", - зазначає Себастьян Буш'єґер, фахівець зі сну з Інституту Ламарра, одного з провідних дослідницьких центрів Технічного університету Дортмунда, який не брав участі в цій роботі.
Аналіз вказує на те, що для прогнозування серцево-судинних захворювань ключовими є сигнали, що надходять від серця, тоді як для оцінки неврологічних і психічних розладів важливими є дані з мозку. Проте найбільшу цінність представляє інтеграція різних типів сигналів. Наприклад, ситуація, коли електроенцефалограма (ЕЕГ) відображає стабільний сон, в той час як серцевий ритм може свідчити про активність.
Схожі розбіжності між функціями мозку і серця можуть вказувати на приховані стреси або початкові стадії захворювання задовго до того, як з'являться явні симптоми. "Якщо наші колеги в області медицини сну підозрюють зв'язок, ми, фахівці в сфері штучного інтелекту, можемо інтегрувати цю інформацію в систему прогнозування або вказати на потенційні області, де такі зв'язки можуть бути виявлені", - зазначив експерт зі сну з Дортмунда в інтерв'ю DW. "Проте, кореляції, які ми надаємо, в основному є статистичними. Необхідно, щоб експерти підтвердили причинно-наслідкові зв'язки".
Модель ґрунтується насамперед на даних з лабораторій сну - тобто на інформації про людей, яких у більшості випадків спрямували туди через проблеми зі сном і які живуть у благополучних регіонах із доступом до високотехнологічної медицини. Дослідники інтегрували ці дані у кілька американських та європейських груп, так званих когорт.
Модель додатково тестують у рамках незалежного дослідження, однак люди без проблем зі сном або ті, що живуть у регіонах із менш розвиненим медичним обслуговуванням, ще недостатньо представлені в ньому.
SleepFM не визначає причин захворювань, а лише кореляції, наголошуюь дослідники: модель ШІ розпізнає статистичні закономірності у сні, які можуть бути пов'язані з подальшими можливими діагнозами.
"Багато з технологій штучного інтелекту не можуть виявляти причинно-наслідкові зв'язки," - зазначає Маттіас Якобс, інформатик з Технічного університету Дортмунда, який спеціалізується на методах штучного інтелекту та машинного навчання для дослідження даних про сон, але не був залучений до цього дослідження.
Методи машинного навчання представляють собою обчислювальні стратегії, які дозволяють комп'ютерам навчатися ідентифікувати закономірності та здійснювати прогнози на основі наданих їм даних, без необхідності явного програмування кожної окремої інструкції. Якобс, у свою чергу, підкреслює, що існує "можливість для діагностики та лікування, навіть якщо слідувати лише статистичним кореляціям", - зауважив він в інтерв'ю DW.
Моделі на кшталт SleepFM здатні стискати великі обсяги полісомнографічних даних в компактні числові матриці, що дозволяє проводити швидший та частіше більш точний аналіз. "Ці інструменти ефективно відображають стадії сну та апное, що є вельми складним завданням, адже ручна обробка часто пов'язана з ймовірністю помилок. Завдяки цьому лікарі отримують більше часу для взаємодії з пацієнтами", - зазначає Маттіас Якобс.
Себастьян Буш'єґер, експерт у сфері сну з Дортмунда, акцентує увагу на важливості міждисциплінарної співпраці: "Хоча штучний інтелект може бути ефективно навчений для розробки терапевтичних планів, остаточна інтерпретація результатів та вибір лікування залишаються за лікарем, який часто не володіє всіма деталями причин". Отже, ШІ виступає в ролі інструменту та системи раннього попередження, тоді як відповідальність за діагностику і лікування все ще покладається на медичних професіоналів.
Питання про те, чи можуть виявлені закономірності вказувати на певні біологічні механізми, що їх спричиняють, і як саме, поки залишається відкритим. Але саме в цьому дослідники бачать великий потенціал.
Якщо певні сигнали, які фіксуються під час сну, постійно пов’язані з конкретними хворобами, це може вказувати на те, які функції в нервовій, серцево-судинній або імунній системах можуть бути порушені на початкових етапах захворювання. Це також відкриє можливість для оцінки здоров’я осіб, що не входять до традиційних груп, які зазвичай підлягають дослідженню у лабораторіях сну.
