Μια κακή νύχτα ύπνου μπορεί να προκαλεί κόπωση την επόμενη μέρα, αλλά σύμφωνα με πρόσφατη groundbreaking έρευνα, μπορεί να κρύβει ενδείξεις για σοβαρές ασθένειες που θα εκδηλωθούν χρόνια αργότερα. Ερευνητές από το Stanford Medicine ανέπτυξαν ένα πρωτοποριακό μοντέλο Τεχνητής Νοημοσύνης με την ονομασία SleepFM, που χρησιμοποιεί δεδομένα από μία μόνο νύχτα ύπνου για να εκτιμήσει τον κίνδυνο εμφάνισης περισσότερων από 130 παθήσεων, από καρκίνους και καρδιαγγειακά νοσήματα μέχρι νευρολογικές διαταραχές.
Η Πολυυπνογραφία: Το Χρυσό Πρότυπο Μελέτης του Ύπνου
Η βάση της έρευνας είναι η πολυυπνογραφία (polysomnography – PSG), η πιο ολοκληρωμένη εξέταση ύπνου που θεωρείται χρυσός κανόνας στην ιατρική του ύπνου. Κατά τη διάρκεια μιας νύχτας σε εργαστήριο ύπνου, καταγράφονται πολλαπλά φυσιολογικά σήματα με αισθητήρες, όπως:
- Εγκεφαλική δραστηριότητα (EEG)
- Καρδιακή λειτουργία (ηλεκτροκαρδιογράφημα)
- Αναπνευστικά σήματα
- Κινήσεις ματιών (EOG)
- Κινήσεις μυών χεριών και ποδιών (EMG)
- Επίπεδα οξυγόνου και άλλα
Όπως δήλωσε ο Emmanuel Mignot, MD, PhD, καθηγητής Ιατρικής Ύπνου στο Stanford και συν-επικεφαλής της μελέτης: «Καταγράφουμε έναν εκπληκτικό αριθμό σημάτων όταν μελετάμε τον ύπνο. Είναι σαν να μελετάμε τη γενική φυσιολογία ενός ατόμου για οκτώ ώρες, ενώ αυτό είναι εντελώς “αιχμάλωτο”. Είναι εξαιρετικά πλούσιο σε δεδομένα».
Παρά την πληθώρα πληροφοριών, μέχρι σήμερα μόνο ένα μικρό μέρος τους αξιοποιείται στην κλινική πρακτική.
SleepFM: Το Πρώτο Foundation Model για τον Ύπνο
Το SleepFM είναι ένα multimodal foundation model, παρόμοιο με μεγάλα γλωσσικά μοντέλα όπως το ChatGPT, αλλά εκπαιδευμένο σε 585.000 ώρες δεδομένων πολυυπνογραφίας από περίπου 65.000 συμμετέχοντες. Τα δεδομένα χωρίστηκαν σε τμήματα 5 δευτερολέπτων, επιτρέποντας στο μοντέλο να “μάθει τη γλώσσα του ύπνου” συνδυάζοντας πολλαπλές ροές σημάτων.
Οι ερευνητές ανέπτυξαν μια νέα τεχνική εκπαίδευσης, την leave-one-out contrastive learning, όπου το μοντέλο καλείται να ανακατασκευάσει ελλείποντα σήματα βασισμένο στα υπόλοιπα, ενισχύοντας την κατανόηση των σχέσεων μεταξύ εγκεφάλου, καρδιάς και αναπνοής.
Ο James Zou, PhD, αναπληρωτής καθηγητής βιοϊατρικής επιστήμης δεδομένων και συν-επικεφαλής: «Από την οπτική γωνία της Τεχνητής Νοημοσύνης, ο ύπνος είναι σχετικά ελάχιστα μελετημένος. Υπάρχουν πολλές εργασίες σε παθολογία ή καρδιολογία, αλλά λίγες στον ύπνο, παρόλο που είναι τόσο σημαντικό μέρος της ζωής».
Πώς το SleepFM Προβλέπει Ασθένειες
Μετά την εκπαίδευση, το μοντέλο δοκιμάστηκε σε κλασικές εργασίες ανάλυσης ύπνου (στάδια ύπνου, υπνική άπνοια), με απόδοση ίση ή καλύτερη από τα υπάρχοντα μοντέλα.
Στη συνέχεια, συνδέθηκαν τα δεδομένα ύπνου με μακροπρόθεσμα ιατρικά αρχεία (έως 25 χρόνια παρακολούθησης για 35.000 ασθενείς). Το SleepFM ανέλυσε πάνω από 1.000 κατηγορίες ασθενειών και εντόπισε 130 που προβλέπονται με υψηλή ακρίβεια, χρησιμοποιώντας τον δείκτη C (concordance index).
Εξαιρετικά υψηλές προβλέψεις για:
- Νόσος Πάρκινσον (C-index 0,89)
- Άνοια (0,85)
- Υπερτασική καρδιοπάθεια (0,84)
- Καρκίνος προστάτη (0,89)
- Καρκίνος μαστού (0,87)
- Θάνατος (0,84)
Ισχυρές προβλέψεις επίσης για καρκίνους, επιπλοκές εγκυμοσύνης, κυκλοφορικές παθήσεις και ψυχικές διαταραχές (C-index >0,8).
Οι περισσότερες πληροφορίες προέρχονται από ασυγχρονισμούς μεταξύ σημάτων – π.χ. εγκέφαλος “κοιμισμένος” αλλά καρδιά “ξύπνια”.
Τα Επόμενα Βήματα και οι Προοπτικές
Η ομάδα εργάζεται για βελτίωση της ερμηνευσιμότητας του μοντέλου και ενσωμάτωση δεδομένων από φορητές συσκευές (wearables), ώστε να γίνει πιο προσιτό.
Η μελέτη, δημοσιευμένη στο Nature Medicine στις 6 Ιανουαρίου 2026, ανοίγει νέους δρόμους στην προληπτική ιατρική, δείχνοντας ότι ο ύπνος είναι ένα παράθυρο στη μελλοντική υγεία.
Πηγή: Pagenews.gr