SleepFM Uykudan 130 Hastalık Riskini Saptıyor
SleepFM adlı yapay zekâ modeli, tek gecelik uyku kayıtlarını inceleyerek 130 farklı hastalıkla ilişkili riskleri tahmin edebiliyor. Stanford Medicine araştırmacıları, modelin özellikle Parkinson, demans, kalp hastalıkları, kanser ve bazı gebelik komplikasyonlarında dikkat çekici sonuçlar verdiğini bildirdi.
Stanford Medicine ve işbirliği yaptığı kurumların geliştirdiği SleepFM, tek gecelik uyku verilerinden kişinin ileride karşılaşabileceği sağlık sorunlarına ilişkin risk tahminleri üretiyor. Model, yaklaşık 65 bin kişiden elde edilen 585 bin saatlik polisomnografi kaydıyla eğitildi.
Polisomnografi, uyku sırasında beyin etkinliği, kalp ritmi, solunum, göz hareketleri, bacak hareketleri ve diğer fizyolojik sinyalleri aynı anda ölçen kapsamlı bir test. Genellikle uyku bozukluklarını teşhis etmek için kullanılan bu kayıtlar, araştırmacılara vücudun gece boyunca nasıl çalıştığına dair çok daha geniş bir veri seti sağlıyor.
SleepFM uykunun farklı sinyallerini birlikte değerlendiriyor
Araştırmacılar, temel model olarak tasarlanan SleepFM'i uyku kayıtlarını beşer saniyelik parçalara ayırarak eğitti. Büyük dil modellerinin metinlerdeki kelimeler arasındaki ilişkileri öğrenmesine benzer şekilde model, beyin sinyalleri, kalp ritmi, kas hareketleri, nabız ve hava akışı gibi verilerin birbirleriyle nasıl etkileştiğini öğrendi.
Model önce uyku evrelerini belirleme ve uyku apnesinin şiddetini değerlendirme gibi standart görevlerde test edildi. SleepFM bu alanlarda mevcut önde gelen modellerle benzer veya daha iyi performans gösterdi. Ardından araştırmacılar, uyku kayıtlarını aynı kişilerin uzun dönemli sağlık bilgileriyle eşleştirerek hastalık risklerini tahmin edip edemeyeceğini inceledi.
Stanford Sleep Medicine Center'da 1999-2024 yılları arasında kaydedilen ve bazı hastalar için 25 yıla kadar uzanan sağlık kayıtları kullanıldı. Binden fazla hastalık kategorisini inceleyen ekip, uyku verilerinin tek başına makul doğrulukla tahmin edebildiği 130 durum belirledi. En güçlü sonuçlar kanserler, gebelik komplikasyonları, dolaşım sistemi hastalıkları ve ruh sağlığı bozukluklarında görüldü.
Modelin concordance index (C-index) değeri Parkinson hastalığı için 0,89, demans için 0,85, hipertansif kalp hastalığı için 0,84, kalp krizi için 0,81, prostat kanseri için 0,89 ve meme kanseri için 0,87 olarak ölçüldü. C-index, modelin iki kişi arasındaki göreli risk sıralamasını ne sıklıkla doğru yaptığını gösteriyor; 0,8 değeri, sıralamanın yaklaşık yüzde 80 oranında gerçekleşen sonuçlarla uyumlu olduğu anlamına geliyor.
Araştırmacılar, SleepFM'in hangi özelliklere dayanarak tahmin yaptığını daha iyi anlamaya çalışıyor. Kalp kaynaklı sinyallerin kalp ve dolaşım hastalıklarında, beyin sinyallerinin ise ruh sağlığı tahminlerinde daha etkili olduğu görüldü. Bununla birlikte en başarılı sonuçlar, farklı sinyal türlerinin birlikte değerlendirilmesiyle elde edildi. Ekip gelecekte giyilebilir cihazlardan gelen verileri de modele eklemeyi planlıyor; ancak sistemin henüz doğrudan klinik kararların yerine geçmediği ve tahminlerinin daha fazla doğrulanması gerektiği vurgulanıyor.
