Новая модель искусственного интеллекта обучена на основе данных из лабораторий сна распознавать возможность развития серьезных заболеваний задолго до появления симптомов.На основе данных, полученных за одну ночь в лаборатории сна, искусственный интеллект (ИИ) способен оценить риск развития более 130 заболеваний — от болезни Паркинсона до инфаркта и рака молочной железы. Но программа выявляет не причины, а только корреляцию. Новая модель ИИ анализирует мозговые волны, сердечный ритм, дыхание, мышечную и другую активность человеческого тела во время ночного сна.
Причем ИИ может делать это за годы до появления первых симптомов болезни, подчеркивает Джеймс Зоу, доцент Стэнфордского университета и один из авторов исследования, опубликованного в журнале Nature Medicine. Новая модель ИИ под названием SleepFM была разработана командой под руководством Рахула Тапы, специалиста по биомедицинским данным из Стэнфордского университета, и обучена на сотнях тысяч часов данных из лабораторий сна.
От сигналов во сне до прогноза заболеваний
Исследование сна пациентов в специальной лаборатории называется полисомнографией. Во время этого диагностического исследование, которое, как правило, проводится всего одну ночь, отслеживаются особенности работы различных систем организма во время сна: головного мозга, сердца, дыхания, мышечного напряжения, а также движения глаз и ноги другие. Для «обучения» SleepFM команда использовала около 585 тысяч часов таких записей, полученных от порядка 65 тысяч человек из разных групп, проходивших обследование, в основном, в центре медицины сна при Стэнфордском университете.
В ходе предварительного обучения ИИ «научился» координировать и статистически регистрировать данные о сигналах мозга, сердца и дыхания человека во время сна. После базовой подготовки модель SleepFM была доработана для решения таких задач, как определение стадий сна и диагностики апноэ во сне — в результате ее оценки достигли уровня, сопоставимого с результатами таких универсальных моделей, как U-Sleep и YASA. Эти программы относятся к наиболее известным так называемым классификаторам стадий сна, анализирующим данные электроэнцефалографии (ЭЭГ), которая предоставляет подробную картину активности головного мозга и помогает диагностировать различные неврологические состояния и расстройства психического здоровья.
Далее исследователи сопоставили данные о сне с электронными медицинскими картами за последние 25 лет и изучили, какие диагнозы можно предполагать на основе информации, полученной за одну ночь. Из более чем тысячи категорий модель выявила 130 заболеваний, риск развития которых можно было прогнозировать с точностью от умеренной до высокой. Как отмечает исследователь Рахул Тапа, такой подход показывает, «что рутинные измерения сна приоткрывают до сих пор недооцененное «окошко» для мониторинга долгосрочного состояния здоровья человека».
Особенно точным оказалось прогнозирование деменции, болезни Паркинсона, инфаркта миокарда, сердечной недостаточности, некоторых видов рака, а также общей смертности. «В принципе, модель искусственного интеллекта может быть обучена для очень большого спектра возможных прогнозов, если для этого есть соответствующая база данных», — считает Себастиан Бушьегер (Sebastian Buschjäger), эксперт по сну из Института Ламарра, являющегося одним из ключевых исследовательских центров Технического университета Дортмунда, который не участвовал в исследовании.
Что ищет ИИ в теле спящего человека
Как показывает анализ, сигналы сердца особенно важны для прогнозирования сердечно-сосудистых заболеваний, в то время как сигналы мозга — для неврологических и психических расстройств. Однако наиболее информативным является сочетание различных сигналов, например, когда ЭЭГ показывает стабильное состояние сна, но сердце кажется «бодрствующим».
Подобные расхождения между мозгом и сердцем могут указывать на скрытые нагрузки или ранние стадии заболевания задолго до появления симптомов. «Если наши коллеги в области медицины сна подозревают наличие связи, то мы, специалисты по искусственному интеллекту, можем включить это в систему прогнозирования, или дать указания о том, где могут обнаружиться связи, — пояснил DW специалист по сну из Дортмунда. — Однако корреляции, которые мы предоставляем, в основном являются статистическими. Причинно-следственная связь должна быть подтверждена экспертами».
Насколько надежны лабораторные данные
Модель основана в первую очередь на данных из лабораторий сна, то есть на данных о людях, которые в большинстве случаев были направлены туда из-за проблем со сном и проживающие в благополучных регионах с доступом к высокотехнологичной медицине. Исследователи интегрировали в несколько американских и европейских групп, так называемых когорт.
Они дополнительно тестируют модель в рамках независимого исследования, но люди без проблем со сном и из регионов мира с менее развитым медицинским обслуживанием по-прежнему недостаточно представлены в нем.
Возможности и ограничения для диагностики и терапии
SleepFM не выявляет причины заболеваний, а лишь корреляции, подчеркивают исследователи: модель ИИ распознает статистические закономерности во сне, которые могут быть связаны с последующими возможными диагнозами.
«Большинство методов искусственного интеллекта не умеют распознавать причинно-следственные связи», — объясняет информатик Маттиас Якобс (Matthias Jakobs) из Технического университета Дортмунда, который занимается исследованиями методов искусственного интеллекта и машинного обучения для анализа данных о сне и не принимал участия в исследовании.
Методы машинного обучения — это вычислительные методы, с помощью которых компьютеры на основе предоставленных примеров данных учатся распознавать закономерности и делать прогнозы, даже не будучи запрограммированными на каждое правило. В то же время Якобс видит «потенциал для диагностики и терапии, даже если будут использоваться только статистические корреляции», — пояснил информатик DW.
ИИ помогает, но не заменяет человека
Такие модели, как SleepFM, сжимают огромные объемы данных полисомнографии в компактные числовые матрицы, которые позволяют проводить более быстрый и зачастую более точный анализ. «С их помощью можно эффективно описывать стадии сна и апноэ — это очень трудоемкая задача, которая чревата ошибками при выполнении вручную. Благодаря этому у врачей останется больше времени для пациентов», — уверен Маттиас Якобс.
Эксперт по сну из Дортмунда Себастиан Бушьегер подчеркивает, что решающее значение имеет междисциплинарное сотрудничество: «Искусственный интеллект может быть хорошо обучен планированию терапии, но человек — то есть врач — интерпретирует результаты и выбирает терапию, часто не зная всех причин». Таким образом, ИИ остается инструментом и системой раннего предупреждения, а ответственность за диагностику и лечение по-прежнему лежит на медицинских работниках.
Вопрос о том, могут ли обнаруженные закономерности указывать на лежащие в их основе биологические механизмы и в какой степени, пока остается открытым. Но именно в этом исследователи видят большой потенциал.
Если определенные сигналы, полученные во время сна, постоянно соотносятся с конкретными заболеваниями, это может подсказать, какие процессы в нервной, сердечно-сосудистой или иммунной системе нарушаются на ранних стадиях болезни. Это также поможет сделать выводы о состоянии здоровья людей, не входящих в группы, изучаемые в лабораториях сна.
