Stanfordo universiteto tyrėjai pasiekė didžiulį proveržį medicinos moksle, sukūrę dirbtinio intelekto modelį, gebantį analizuoti miego duomenis ir atpažinti paslėptus modelius, susijusius su vėlyvu daugelio ligų atsiradimu. Šis naujoviškas metodas žada revoliucionuoti ligų diagnostiką ir prevenciją, leidžiant numatyti sveikatos problemas dar gerokai prieš pasirodant pirmiesiems simptomams.
Kaip veikia „SleepFM“?
Komanda, pristatydama savo atradimus prestižiniame žurnale „Nature Medicine“, nurodo, kad modelis, pavadintas „SleepFM“, pasiekė patikimas prognozavimo vertes net 130 diagnozių. Tarp jų – tokios sunkios ligos kaip demencija, Parkinsono liga, širdies smūgis, širdies nepakankamumas, tam tikros vėžio rūšys ir net bendras mirtingumas. Šie rezultatai atveria naujas galimybes ankstyvajai intervencijai ir personalizuotai medicinai.
Dirbtinis intelektas „SleepFM“ buvo apmokytas naudojant išsamius polisomnografijos duomenis. Tai yra naktiniai matavimai, atliekami specializuotose miego laboratorijose, kur jutikliai fiksuoja smegenų bangas, širdies veiklą, kvėpavimą, raumenų įtampą, kojų ir akių judesius. Milžiniškas duomenų kiekis – daugiau nei 585 tūkstančiai valandų miego įrašų iš maždaug 65 tūkstančių žmonių – buvo surinktas daugiausia iš Stanfordo miego medicinos centro bei papildomų duomenų rinkinių iš JAV ir Europos.
Proveržis mokyme ir ligų atpažinime
Mokslininkai, prieš pradedant ligų prognozavimą, išmokė dirbtinį intelektą suvokti, kaip tipiniai miego signalai yra tarpusavyje susiję. Parengiamajame etape „SleepFM“ buvo pateiktos trumpos ištraukos, kuriose vienu metu registruojama smegenų, širdies, kvėpavimo ir raumenų veikla. Vėliau, dirbtinai slopinant vieną signalą, dirbtiniam intelektui buvo pavesta atpažinti, kurie likę signalai priklauso vienas kitam. Tokiu būdu modelis įgijo esminį supratimą apie tai, kaip skirtingos kūno funkcijos sąveikauja miego metu.
Po šio išankstinio mokymo, tyrėjai patobulino dirbtinį intelektą praktiniam pritaikymui, pavyzdžiui, miego stadijų atpažinimui ar miego apnėjos diagnozei. Šiuose standartizuotuose testuose „SleepFM“ pasiekė tikslumą, panašų į jau egzistuojančių, patikrintų metodų tikslumą.
Nematomi ryšiai: miegas ir ateities ligos
Svarbiausias žingsnis buvo miego duomenų susiejimas su dalyvių ilgalaikiais elektroniniais sveikatos įrašais.
Tai leido mokslininkams ištirti, ar vienos nakties miegas gali suteikti užuominų apie būsimas ligas. Iš daugiau nei 1000 ligų kategorijų, komanda nustatė 130, kurias dirbtinis intelektas numatė labai tiksliai, remdamasis miego duomenimis. „SleepFM“ ypač gerai prognozavo Parkinsono ligą, demenciją, širdies priepuolį, taip pat prostatos ir krūties vėžį.
Miego tyrėjas Emmanuelis Mignotas, dalyvavęs tyrime, paaiškino, kad didžioji dalis informacijos ligoms prognozuoti gauta lyginant skirtingus kanalus. Pavyzdžiui, kai išmatuotas smegenų aktyvumas rodo tipinius miego modelius, tačiau širdies signalai labiau primena budrumą, tokie nesinchronizuoti duomenys gali rodyti galimas sveikatos problemas.
Ribotumai ir ateities perspektyvos
Nors šis tyrimas žymi svarbų etapą miego tyrimų srityje, kur miegas vis labiau pripažįstamas kaip svarbus sveikatos žymuo, autoriai pabrėžia ir savo požiūrio apribojimus. Modelis atpažįsta statistines koreliacijas, o ne priežastis, todėl jis dar netinka individualioms diagnozėms ar gydymo sprendimams. Be to, dauguma duomenų gauti iš specializuotų miego klinikų, o tai reiškia, kad žmonės, neturintys miego problemų arba turintys ribotą prieigą prie medicininės priežiūros, yra nepakankamai atstovaujami. Kol kas neaišku, ar rezultatus galima apibendrinti visai populiacijai ir kokie biologiniai mechanizmai lemia šiuos modelius.
Nepaisant to, šis metodas ilgainiui galėtų iš esmės pakeisti požiūrį į prevencinę mediciną, padėdamas geriau panaudoti didelius esamų miego duomenų kiekius tyrimams ir ankstyvajai ligų prevencijai. Tai – žingsnis link gilesnio žmogaus kūno supratimo ir galimybės užkirsti kelią ligoms dar joms nepasireiškus.
Sveikauk.lt portalo redaktorė.