Діагностика майбутнього: ШІ виявляє 130 захворювань уві сні

На основі даних із лабораторій сну, нову модель штучного інтелекту навчили визначати ймовірність розвитку серйозних захворювань задовго до появи симптомів.

Базуючись на даних, отриманих за одну ніч у лабораторії сну, штучний інтелект (ШІ) здатен оцінити ризик розвитку понад 130 захворювань - від хвороби Паркінсона до інфаркту і раку молочної залози. Але програма визначає не причини, а тільки кореляцію. Нова модель ШІ аналізує мозкові хвилі, серцевий ритм, дихання, м'язову активність разом з іншими показниками організму під час нічного сну.

Ба більше, ШІ може це робити задовго до появи перших симптомів хвороби, наголошує Джеймс Зоу, доцент Стенфордського університету та один із авторів дослідження, опублікованого в журналі Nature Medicine. Нова модель ШІ - SleepFM - була розроблена командою під керівництвом Рахула Тапи, фахівця з біомедичних даних Стенфордського університету, і навчена на сотнях тисяч годин записів із лабораторій сну.

Від сигналів під час сну до прогнозування захворювань

Полісомнографія - так називається дослідження сну пацієнтів у спеціальній лабораторії. Під час цієї діагностики, яка зазвичай триває всього одну ніч, відстежуються особливості роботи різноманітних систем організму під час сну: головного мозку, серця, дихання, м'язового тонусу, а також рухи очей, ніг та інших частин тіла. Щоб "навчити" SleepFM, команда використала близько 585 тисяч годин таких записів, отриманих від приблизно 65 тисяч людей різних груп, які проходили обстеження переважно у центрі медицини сну при Стенфордському університеті.

Протягом попереднього навчання ШІ "навчився" узгоджувати та статистично фіксувати дані про сигнали мозку, серця і дихання людини під час сну. Після базової підготовки модель SleepFM була допрацьована для розв’язання таких завдань, як визначення стадій сну та діагностика апное уві сні - у результаті чого її точність стала порівнянною з показниками таких універсальних моделей, як U-Sleep і YASA. Ці програми - одні з найбільш відомих так званих класифікаторів стадій сну, що аналізують дані електроенцефалографії (ЕЕГ), яка дає детальну картину активності головного мозку і допомагає діагностувати різні неврологічні стани та розлади.

Після цього дослідники порівняли дані сну з електронними медичними картами за останні 25 років та дослідили, які діагнози можна було передбачити на основі інформації, отриманої за одну ніч. З понад тисячі категорій модель виявила 130 захворювань, ризик розвитку яких можна було прогнозувати з точністю від помірної до високої. Такий підхід демонструє, "що рутинні вимірювання сну відкривають досі недооцінене "вікно" для моніторингу довгострокового стану здоров'я людини", зазначає дослідник Рахул Тапа.

Особливо точним виявилося прогнозування деменції, хвороби Паркінсона, інфаркту міокарда, серцевої недостатності, деяких видів раку, а також загальної смертності. "Загалом, модель штучного інтелекту може бути навчена здійснювати дуже широкий спектр прогнозів, якщо для цього існує відповідна база даних", - вважає Себастьян Буш'єґер (Sebastian Buschjäger), експерт зі сну з Інституту Ламарра - одного з ключових дослідницьких центрів Технічного університету Дортмунда, який не брав участь у дослідженні.

Що ШІ шукає у тілі людини, поки та спить

Як показує аналіз, для прогнозування серцево-судинних захворювань особливо важливі сигнали серця, а для неврологічних та психічних розладів - сигнали мозку. Втім, найінформативнішим є поєднання різних сигналів, наприклад, коли ЕЕГ демонструє стабільний сон, але серце при цьому, здається, "не спить".

Подібні розбіжності між мозком і серцем можуть свідчити про приховані навантаження або ранні стадії захворювання задовго до появи симптомів. "Якщо наші колеги у галузі медицини сну підозрюють наявність зв'язку, то ми, фахівці зі штучного інтелекту, можемо інтегрувати це у систему прогнозування, або вказати, де такі зв'язки можуть виявлятися, - пояснив DW фахівець зі сну з Дортмунда. - Однак, кореляції, які ми надаємо, здебільшого є статистичними. Причинно-наслідковий зв'язок має бути підтверджений експертами".

Наскільки надійні лабораторні дані

Модель ґрунтується насамперед на даних з лабораторій сну - тобто на інформації про людей, яких у більшості випадків спрямували туди через проблеми зі сном і які живуть у благополучних регіонах із доступом до високотехнологічної медицини. Дослідники інтегрували ці дані у кілька американських та європейських груп, так званих когорт.

Модель додатково тестують у рамках незалежного дослідження, однак люди без проблем зі сном або ті, що живуть у регіонах із менш розвиненим медичним обслуговуванням, ще недостатньо представлені в ньому.

Можливості та обмеження для діагностики і терапії

SleepFM не визначає причин захворювань, а лише кореляції, наголошуюь дослідники: модель ШІ розпізнає статистичні закономірності у сні, які можуть бути пов’язані з подальшими можливими діагнозами.

"Більшість методів штучного інтелекту не здатні розпізнавати причинно‑наслідкові зв'язки", - пояснює інформатик Маттіас Якобс із Технічного університету Дортмунда, який досліджує методи штучного інтелекту та машинного навчання для аналізу даних про сон і не брав участі в цьому дослідженні.

Методи машинного навчання - це обчислювальні підходи, за допомогою яких комп’ютери на основі наданих прикладів даних навчаються розпізнавати закономірності та робити прогнози, навіть без явного програмування кожного правила. Водночас Якобс бачить "потенціал для діагностики й терапії, навіть якщо використовуватимуться лише статистичні кореляції", - зазначив інформатик у коментарі DW.

ШІ може допомогти, але не замінити людину

Такі моделі, як SleepFM, стискають величезні обсяги даних полісомнографії у компактні числові матриці, що дає змогу проводити швидший і часто точніший аналіз. "За їхньою допомогою можна ефективно описувати стадії сну та апное - це дуже трудомістке завдання, яке при ручному виконанні супроводжується ризиком помилок. Завдяки цьому у лікарів залишається більше часу для пацієнтів", - переконаний Маттіас Якобс.

Експерт зі сну з Дортмунда Себастьян Буш'єґер підкреслює, що вирішальне значення має міждисциплінарна співпраця: "Штучний інтелект може бути добре навчений плануванню терапії, але людина - тобто лікар - інтерпретує результати й обирає лікування, часто не знаючи всіх причин". Таким чином, ШІ залишається інструментом і системою раннього попередження, а відповідальність за діагностику та лікування, як і раніше, лежить на медичних працівниках.

Питання про те, чи можуть виявлені закономірності вказувати на певні біологічні механізми,  що їх спричиняють, і  як саме, поки залишається відкритим. Але саме в цьому дослідники бачать великий потенціал.

Якщо певні сигнали, отримані під час сну, стабільно корелюють із конкретними захворюваннями, це може підказати, які процеси в нервовій, серцево‑судинній або імунній системі порушуються на ранніх стадіях хвороби. Це також допоможе оцінювати стан здоров’я людей, які не входять до груп, що зазвичай досліджуються в лабораторіях сну.