روشی برای پیش‌بینی خطر ابتلا به صد‌ها بیماری تنها بر اساس یک شب خواب پیدا شده است

طبیعت: هوش مصنوعی یاد می‌گیرد که خطر ابتلا به صد‌ها بیماری را تنها با یک شب خواب ارزیابی کند

به گزارش مجله خبری نگار، دانشمندان دانشگاه استنفورد یک مدل هوش مصنوعی توسعه داده‌اند که قادر به ارزیابی خطر بیش از ۱۰۰ بیماری - از زوال عقل گرفته تا نارسایی قلبی - بر اساس داده‌های تنها یک شب خواب است. حتی لازم نیست فرد هوشیار باشد: این تجزیه و تحلیل بر اساس سیگنال‌های فیزیولوژیکی ثبت شده در طول خواب انجام می‌شود. این مطالعه در مجله Nature Medicine منتشر شده است.

این مدل که SleepFM نام دارد، یک مدل هوش مصنوعی به اصطلاح «بنیادی» است، مشابه مدل‌های زبانی که بر روی حجم عظیمی از متن آموزش می‌بینند. SleepFM نیز به نوبه خود بر روی تقریباً ۶۰۰۰۰۰ ساعت داده خواب جمع‌آوری‌شده از ۶۵۰۰۰ نفر آموزش دیده است. این الگوریتم، داده‌های ضبط‌شده را در فواصل پنج ثانیه‌ای تجزیه و تحلیل می‌کند و الگو‌های پیچیده‌ای را در عملکرد مغز، قلب و تنفس شناسایی می‌کند.

این داده‌ها با استفاده از پلی‌سومنوگرافی، «استاندارد طلایی» تحقیقات خواب، به دست آمده است. در طول این روش، چندین حسگر به فرد متصل می‌شود که فعالیت مغز، ضربان قلب، تنفس، حرکات چشم و حرکات پا را ثبت می‌کنند.

امانوئل میگنوت، استاد پزشکی خواب در دانشگاه استنفورد و یکی از نویسندگان ارشد این مطالعه، گفت: «وقتی خواب را مطالعه می‌کنیم، تعداد شگفت‌انگیزی از سیگنال‌ها را شناسایی می‌کنیم.»

برای بهبود استحکام مدل، محققان از یک روش یادگیری کنتراست استفاده کردند: برخی از سیگنال‌ها عمداً حذف شدند و هوش مصنوعی موظف شد اطلاعات از دست رفته را بر اساس داده‌های دیگر بازسازی کند. سپس داده‌های خواب با سوابق پزشکی بیماران مقایسه شد، که در برخی موارد یک دوره مشاهده تا ۲۵ سال را پوشش می‌داد.

در نتیجه، SleepFM توانست خطر ابتلا به ۱۳۰ بیماری مختلف را از بیش از هزار دسته مورد تجزیه و تحلیل با دقت قابل قبولی پیش‌بینی کند. این مدل به ویژه در پیش‌بینی سرطان، عوارض بارداری، بیماری‌های گردش خون و اختلالات روانی عملکرد خوبی داشت. برای تعدادی از بیماری‌ها، امتیاز دقت (شاخص C) از ۰.۸ فراتر رفت که نشان‌دهنده توافق بالای بین پیش‌بینی‌ها و نتایج واقعی است.

به گفته جیمز زو، دانشمند داده‌های زیست‌پزشکی و یکی از نویسندگان این مطالعه، بیشترین ارزش پیش‌بینی از سیگنال‌های فیزیولوژیکی متناقض حاصل می‌شود - برای مثال، زمانی که مغز "در خواب به نظر می‌رسد" در حالی که قلب طوری رفتار می‌کند که انگار فرد بیدار است. چنین اختلافاتی اغلب با پیامد‌های بلندمدت ضعیف مرتبط بودند.

زو در پایان گفت: «اگر مدل‌های زبانی یاد بگیرند که گفتار انسان را درک کنند، SleepFM اساساً در حال یادگیری درک زبان خواب است.»

لینک کپی شد

اشتراک‌ گذاری