AI otkriva rizik za 130 bolesti analizom sna

Nova umjetna inteligencija (AI) može procijeniti rizik od približno 130 bolesti, uključujući Parkinsonovu bolest, demenciju, srčani udar, rak prostate i rak dojke, analizirajući podatke prikupljene tokom samo jedne noći provedene u laboratoriji za spavanje. Prema riječima Džejmsa Zoa, naučnika za podatke sa Univerziteta Stanford i jednog od autora studije objavljene u časopisu Nature Medicine, ova tehnologija može otkriti bolesti “godinama prije nego što se pojave prvi simptomi”.

Novi AI model, nazvan SleepFM, obučen je na stotinama hiljada sati podataka o snu. Razvio ga je tim pod vodstvom Rahula Tape, biomedicinskog naučnika za podatke sa Univerziteta Stanford.

Kako AI uči da “čita” san

Proces ispitivanja i mjerenja sna u laboratoriji naziva se polisomnografija. Tokom ovog procesa, istovremeno se bilježe moždani talasi, srčana aktivnost, disanje, mišićna napetost, kao i pokreti očiju i nogu. SleepFM tim je koristio oko 585.000 sati takvih zapisa od približno 65.000 osoba iz različitih grupa, uglavnom iz Stanford centra za medicinu spavanja.

Tokom pripremnog treninga, AI je učila kako su signali mozga, srca i disanja usklađeni tokom normalnog sna. Na taj način model statistički usvaja neku vrstu “jezika sna”.

Od signala sna do prognoze bolesti

Nakon ovog osnovnog treninga, SleepFM je dodatno prilagođen zadacima kao što su prepoznavanje faza sna i dijagnostika apneje u snu, pri čemu postiže rezultate koji su konkurentni etabliranim metodama poput U-Sleep ili YASA.

Ova dva programa koriste podatke dobijene snimanjem moždanih talasa (EEG) i pomažu istraživačima da prepoznaju i analiziraju faze sna.

Istraživači su zatim povezali podatke o snu sa elektronskim zdravstvenim kartonima koji obuhvataju period do 25 godina unazad i provjerili koje se kasnije dijagnoze mogu predvidjeti na osnovu samo jedne noći mjerenja.

Iz više od 1.000 kategorija, model je identifikovao 130 bolesti čiji se rizik mogao prognozirati sa najmanje umjerenom do visokom tačnošću. Rahul Tapa dodatno naglašava da pristup pokazuje “da rutinska mjerenja sna otvaraju do sada potcenjen prozor u dugoročno zdravlje čoveka”.

Posebno uspješna bila je prognoza za demenciju, Parkinsonovu bolest, srčani udar, srčanu insuficijenciju, određene vrste raka, kao i ukupnu smrtnost. Prema riječima Sebastijana Bušjegera, stručnjaka za san sa Instituta Lamar Tehničkog univerziteta Dortmund, koji nije učestvovao u studiji, “u principu, AI-model se može trenirati za vrlo mnogo mogućih prognoza, pod uslovom da za to postoji odgovarajuća baza podataka”.

Šta AI traži u tijelu tokom sna

Analiza pokazuje da srčani signali posebno mnogo doprinose predviđanju kardiovaskularnih bolesti, dok su moždani signali važniji za neurološke i psihičke poremećaje. Najinformativnija je, međutim, kombinacija različitih signala – na primjer kada EEG pokazuje stabilno stanje sna, dok srce djeluje više “budno”.

Takve protivrječnosti između mozga i srca mogle bi da ukazuju na skrivena opterećenja ili rane procese bolesti, mnogo prije nego što simptomi postanu uočljivi. Bušjeger dodaje: “Ako kolege iz medicine spavanja imaju sumnju na određenu povezanost, mi iz oblasti AI to možemo da pretočimo u prognostički sistem – a istovremeno da ukažemo na to gde bi mogle postojati veze”.

Važno je napomenuti da su veze koje AI pronalazi uglavnom statističke prirode i da uzročnu povezanost moraju da potvrde stručnjaci, kako je naglasio stručnjak za spavanje iz Dortmunda.

Koliko su pouzdani laboratorijski podaci?

Model se prvenstveno zasniva na podacima iz laboratorija za spavanje, koji dolaze od ljudi koji su najčešće upućeni na liječenje zbog problema sa snom i koji žive u bogatijim regionima sa pristupom visokotehnološkoj medicini. Iako istraživači integrišu više američkih i evropskih grupa, model se dodatno testira u nezavisnoj studiji. Međutim, ljudi bez tegoba sa snom ili iz slabije zdravstveno zbrinutih regiona svijeta ostaju nedovoljno zastupljeni.

Šanse i ograničenja za dijagnostiku i terapiju

Istraživači naglašavaju da SleepFM ne otkriva uzroke bolesti, već korelacije: on prepoznaje statističke obrasce u snu koji bi mogli biti povezani sa kasnijim dijagnozama.

Informatičar Matijas Jakobs sa Tehničkog univerziteta Dortmund, koji istražuje AI i metode mašinskog učenja (ML) za analizu podataka o snu, objašnjava da “većina AI-metoda ne uči uzročne veze”.

Uprkos tome, Jakobs vidi “potencijal za dijagnostiku i terapiju, čak i ako se koriste isključivo statističke veze”.

AI pomaže čovjeku, ali ga ne zamjenjuje

Modeli poput SleepFM-a sažimaju ogromne količine podataka iz polisomnografije u kompaktne numeričke reprezentacije koje omogućavaju bržu i često precizniju analizu. Jakobs navodi da se faze sna ili apneje mogu efikasno zabilježiti, što je ručno vrlo dugotrajan posao podložan greškama, ostavljajući više vremena ljekarima za pacijente.

Stručnjak za spavanje Bušjeger naglašava da je ključna interdisciplinarna saradnja: “AI se može dobro istrenirati za planiranje terapije, ali čovjek tumači rezultate i bira terapiju, često i bez potpunog poznavanja svih uzroka.”

AI ostaje alat i sistem ranog upozorenja, dok odgovornost za dijagnozu i liječenje i dalje leži na medicinskom osoblju.

Istraživači vide veliki potencijal u otkrivanju bioloških mehanizama, ako se određeni signalni profili u snu iznova povezuju sa pojedinačnim bolestima, jer bi mogli pružiti naznake o tome koji procesi u nervnom, kardiovaskularnom ili imunološkom sistemu rano gube ravnotežu, omogućujući zaključke o zdravlju ljudi i izvan dosadašnjih kohorti laboratorija za spavanje.