Stanford, nuova IA "impara il linguaggio del sonno" e prevede il rischio di oltre 100 condizioni cliniche nei pazienti.
Un nuovo modello di intelligenza artificiale può stabilire se una persona è a rischio di sviluppare oltre 100 condizioni di salute, in base a come dorme.
SleepFM, un modello linguistico di grandi dimensioni (LLM) sviluppato dai ricercatori dell’Università di Stanford, in California, analizza l’attività cerebrale, la frequenza cardiaca, i segnali respiratori, i movimenti delle gambe e degli occhi durante il sonno per valutare il rischio di malattia.
In un nuovo studio pubblicato su Nature, i ricercatori hanno addestrato il modello con oltre 580.000 ore di dati sul sonno raccolti da 65.000 pazienti tra il 1999 e il 2024.
I dati provengono da cliniche del sonno, strutture mediche che valutano gli schemi del sonno durante la notte, e sono stati suddivisi in segmenti di cinque secondi, che hanno funzionato come “parole” su cui addestrare gli LLM.
“SleepFM sta essenzialmente imparando il linguaggio del sonno”, ha dichiarato James Zou, professore associato di scienza dei dati biomedica a Stanford e coautore dello studio.
I ricercatori hanno integrato questi dati con i fascicoli sanitari individuali dei pazienti delle cliniche del sonno, per addestrare SleepFM a prevedere le malattie future.
Il modello di IA è risultato corretto almeno nell’80% dei casi nel prevedere se un paziente avrebbe sviluppato morbo di Parkinson, Alzheimer, demenza, cardiopatia ipertensiva, infarto, tumore alla prostata e tumore al seno. Ha inoltre previsto correttamente il decesso nell’84% dei casi.
Il modello è stato meno preciso nel prevedere malattia renale cronica, ictus e aritmia, cioè un battito cardiaco irregolare, che ha rilevato almeno nel 78% dei casi.
“Quando studiamo il sonno registriamo un numero impressionante di segnali legati alla salute”, ha dichiarato Emmanuel Mignot, professore di medicina del sonno a Stanford. “È una sorta di fisiologia generale che osserviamo per otto ore su un soggetto che rimane fermo. È molto ricco di dati”.
Gli autori dello studio hanno affermato che la combinazione di tutti i dati ha aiutato il modello a ottenere le previsioni più accurate. Per esempio, segnali corporei fuori sincronia, come un cervello che sembra dormire ma un cuore che sembra sveglio, sono un campanello d’allarme.
Stanford ha annunciato che aggiungerà i dati dei dispositivi indossabili al database di SleepFM, per migliorare ulteriormente le previsioni del modello.
I ricercatori hanno inoltre sottolineato che lo studio ha coinvolto persone che già sospettavano di avere problemi di salute per la loro partecipazione alle prove in clinica del sonno, il che significa che il campione non è rappresentativo della capacità dell’IA di rilevare malattie nella popolazione generale.