Die neue KI, SleepFM, prognostiziert anhand physiologischer Aufzeichnungen des Schlafes einer Person das Risiko für mehr als 100 Gesundheitsprobleme. Forschende der Standford Medicine haben das Modell entwickelt.
Die Trainingsdaten für die Künstliche Intelligenz stammen von Patientinnen und Patienten, deren Schlaf in verschiedenen Schlafkliniken untersucht wurde, so heißt es im Nature Magazin. Die Schlafdaten sind in Fünf-Sekunden-Schritten unterteilt, analog zu den Wörtern, mit denen große Sprachmodelle regulär trainiert werden. Im Wesentlichen funkioniert SleepFM also so, dass es die Sprache des Schlafs erlernt.
SleepFM und wie es funktioniert
Um die umfangreichen Schlafdaten zu nutzen, haben die Forschenden ein Modell entwickelt, welches auf Künstlicher Intelligenz basiert. Anhand der riesigen Datenmengen trainiert diese sich selbst und wendet das Gelernte auf eine Vielzahl von Aufgaben an, ähnlich wie es auch bei anderen großen Sprachmodellen wie ChatGPT passiert.
Das Modell ist in der Lage mehrere Datenströme zu integrieren und deren Zusammenhänge zu erkennen. Dazu gehören unter anderem:
- Elektroenzephalographie (EEG): Messung der elektrischen Aktivität des Gehirns
- Elektrokardiographie (EKG): Messung der elektrischen Aktivität des Herzen
- Elektromyographie: Messung der elektrischen Aktivität der Muskeln
- Pulsmessung
- Atemluftstrom
Fast 600.000 Stunden Schlafdaten ausgewertet
Die KI wurde anhand von fast 600.000 Stunden Schlafdaten trainiert, die von insgesamt 65.000 Teilnehmerinnen und Teilnehmern stammen. Die größte Patientengruppe, etwa 35.000 Personen im Alter von 2 bis 96 Jahren, hat ihre Schlafdaten zwischen 1999 und 2024 in der Schlafklinik aufzeichnen lassen. Die Forschenden haben die Schlafdaten dieser Patientinnen und Patienten mit ihren elektronischen Gesundheitsakten abgeglichen.
Die Daten stammen dabei aus der sogenannten Polysomnographie.
Was ist eine Polysomnographie?Bei der Polysomnographie handelt es sich um eine umfassende Schlafuntersuchung, bei der verschiedene Sensoren am Körper genutzt werden, um die Gehirnaktivität, die Herzaktivität, die Atmungssignale, sowie die Bein- und Augenbewegungen zu messen und aufzuzeichnen. In der Regel wird die Polysomnographie stationär in einem Schlaflabor durchgeführt.
Emmanual Mignot, Craig Reynolds-Professor für Schlafmedizin und Co-Autor der Studie beschreibt die Schlafdaten „als eine Art allgemeine Physiologie“. Während des Schlafs einer Person, idealerweise acht Stunden lang, wird diese vollständig im Schlaflabor untersucht.
Neue Trainingstechnik für SleepFM
Um dies zu erreichen, nutzen die Forschenden eine eigens entwickelte Trainingstechnik, die sich „Leave-One-Out Contrastive Learning“ nennt. Dabei blenden die Forschenden eine Datenmodalität aus und fordern das Modell dazu auf, das fehlende Teil anhand der anderen vorhandenen Signale zu rekonstruieren.
Schlafanalyse = Krankheitsprognose?
Nach der Trainingsphase haben die Forschenden das Modell auf verschiedene Aufgaben abgestimmt. Um das Modell zunächst zu testen, haben die Wissenschaftlerinnen und Wissenschaftler die Standardaufgaben einer Schlafanalyse ausprobiert. Dazu gehören die Klassifizierung verschiedener Schlafphasen und die Diagnose des Schweregrads von Schlafapnoe, eine Erkrankung, bei der während des Schlafs immer wieder kurzzeitig die Atmung aussetzt.
Anschließend trifft SleepFM anhand der Schlafdaten eine Vorhersage zum zukünftigen Ausbruch von Krankheiten. Dafür gleicht die KI die Trainigsdaten aus der Polysomnographie mit den langfristigen Gesundheitsergebnissen einer Patientin oder eines Patienten ab. Grundlage sind Gesundheitsdaten aus mehr als einem halben Jahrhundert einer Schlafklinik.
Worauf achtet SleepFM?
Die Forschenden stellen fest, dass zwar Herzsignale bei der Vorhersage von Herzerkrankungen und Gehirnsignale bei der Vorhersage der psychischen Gesundheit eine größere Rolle spielen, aber die Kombination aller Datenmodalitäten die genauesten Vorhersagen ermöglicht.
Die meisten Informationen für die Vorhersage von Krankheiten erhalten die Wissenschaftlerinnen und Wissenschaftler durch den Vergleich der verschiedenen Kanäle. Körperliche Komponenten, die nicht synchron sind – beispielsweise ein Gehirn, das schläft, aber ein Herz, das wach ist – scheinen ausschlaggebend für Probleme in der Zukunft zu sein.
Mehr als 1000 Krankheitskategorien analysiert
SleepFM hat mehr als 1000 Krankheitskategorien in den Gesundheitsakten analysiert. 130 davon können anhand der Schlafdaten einer Person mit angemessener Genauigkeit vorhergesagt werden. Besonders zuverlässig ist die Vorhersage bei Krebserkrankungen, Schwangerschaftskomplikationen, Kreislaufstörungen und Psychischen Störungen.
All diese Prognosen haben einen C-Index von über 0,8. Der C-Index oder auch Konkordanzindex ist ein gängiges Maß für die Vorhersageleistung eines Modells. Er bezieht sich insbesondere auf die Fähigkeit, vorherzusagen, welche von zwei Personen in einer Gruppe ein Ereignis zuerst erleben wird.
SleepFM sagt besonders erfolgreich folgende Krankheiten vorher:
- Parkinson (C-Index 0,89)
- Demenz (C-Index 0,85)
- Brustkrebs (C-Index 0,87)
- Tod (C-Index 0,84)
Ein Beitrag von:
