DruckenTeilen
Schlafende Frau (Symbolbild). © Evgeniia Gordeeva/Imago
Forscher der Stanford University haben ein KI-Modell entwickelt, das aus Schlafdaten das Risiko für zukünftige Erkrankungen berechnen kann. Insbesondere nicht synchronisierte Körpersignale sind ein Warnsignal für spätere Krankheiten.
STANFORD – Forscher der Stanford University haben ein künstliches Intelligenzmodell „SleepFM“ entwickelt, das das Risiko für mehr als 100 Krankheiten Jahre vor ihrem Auftreten vorhersagen kann. Wie Nature Medicine berichtete, haben die Wissenschaftler dafür rund 600.000 Stunden Polysomnographie-Daten von 65.000 Teilnehmern analysiert.
Die Polysomnographie, der Goldstandard unter den Schlafuntersuchungen, erfasst gleichzeitig Gehirnströme, Herzaktivität, Atmung, Muskelspannung, Blutsauerstoffgehalt sowie Augen- und Beinbewegungen. Der Großteil dieser Daten stammt aus dem Stanford Sleep Medicine Center. Weitere Datensätze kamen aus den USA und Europa. Diese umfangreichen Daten dienten als Trainingsgrundlage für das KI-Modell. „Es handelt sich um eine umfassende physiologische Untersuchung über acht Stunden bei einer Person, die sich vollständig in unserer Obhut befindet. Die Daten sind sehr umfangreich“, erklärte Emmanuel Mignot, Professor für Schlafmedizin an der Stanford University.
Schlaf aus Sicht der KI wenig erforscht
SleepFM verarbeitet Elektroenzephalographie (EEG), Elektrokardiographie (EKG), Elektromyographie (EMG), Pulssignale und Luftstrom ähnlich wie ein großes Sprachmodell Wörter aufnimmt. „Aus Sicht der künstlichen Intelligenz ist der Schlaf bislang wenig erforscht“, erklärte James Zou, Professor für biomedizinische Datenwissenschaften an der Stanford University. Er bezeichnete das System als eines, das die „Sprache des Schlafs“ erlernt habe.
Das Modell hat für 130 Diagnosen verlässliche Vorhersagewerte erzielt. Dazu gehören Erkrankungen wie Demenz, Parkinson, Herzinfarkt, Herzinsuffizienz, chronische Nierenerkrankungen, Schlaganfall und bestimmte Krebsarten, berichtete Spektrum der Wissenschaft. Das Modell übertraf damit Instrumente, die ausschließlich auf demografischen Daten basieren.
KI erkennt nicht synchronisierte Muster
„Die KI hat erkannt, dass ein hohes Krankheitsrisiko besteht, wenn Signale nicht synchron sind, beispielsweise wenn das Gehirn schläft, das Herz jedoch aktiv ist“, erläuterte Mignot. Das Team bezeichnete diese nicht übereinstimmenden Muster als physiologische Inkonsistenzen und wertete sie als Risikokennzeichen.
Bevor SleepFM Langzeitprognosen erstellte, bewies es seine klinische Kompetenz: Im Vortraining diagnostizierte das Modell den Schweregrad von Schlafapnoe mit einer Genauigkeit von 87 Prozent über mehrere Datensätze hinweg – vergleichbar mit überwachten Systemen. Die Leistung verbesserte sich mit zusätzlichen Daten. Die Lernkurve lag für fast alle Erkrankungen über den Basiswerten überwachten Lernens.
Risikofaktor Schlafstörungen
Die Studie bestätigt die zunehmend verbreitete Ansicht, dass Schlafstörungen sowohl ein Warnzeichen als auch ein Risikofaktor für Krankheiten sind, die erst Jahre später auftreten. Da die Polysomnographie acht ununterbrochene Stunden simultaner Gehirn-, Herz-, Muskel- und Atemaktivität erfasst, beschreiben die Autoren sie als eine bislang „ungenutzte physiologische Goldmine“.
Die Forscher räumten ein, dass SleepFM seine Vorhersagen nicht in menschlicher Sprache erklärte und Interpretationswerkzeuge erforderte. Dennoch stufte es das individuelle Risiko konsistent ein. Sie schlugen vor, dass ähnliche groß angelegte KI-Systeme routinemäßige Schlaftests zu einer Plattform für präventive Gesundheit ausweiten könnten. Diese würde eine frühzeitigere Intervention bei Demenz, Herzinfarkt, Schlaganfall, Nierenversagen, Vorhofflimmern oder Krebs ermöglichen. (Redaktion)