Stanford Üniversitesi araştırmacıları ve meslektaşları tarafından geliştirilen benzersiz bir yapay zeka modeli, uyanık olmanıza bile gerek kalmadan gelecekteki 100'den fazla sağlık durumuna yakalanma riskinizi tahmin edebilecek. Bu çığır açan gelişme, Teknoskop okurları için önemli bir haber.
Yeni yayınlanan bir makalede detaylandırılan SleepFM adlı yapay zeka modeli, sadece bir gecelik uykudan elde edilen kapsamlı fizyolojik kayıtları analiz ederek kişinin demans, kalp yetmezliği ve ölüm oranını öngörebiliyor.
ChatGPT gibi bir temel model olan SleepFM, 65.000 katılımcıdan toplanan yaklaşık 600.000 saatlik uyku verisiyle eğitildi. ChatGPT kelime ve metinlerden öğrenirken, SleepFM çeşitli uyku laboratuvarlarından elde edilen 5 saniyelik uyku verisi kesitlerinden öğreniyor.
Uyku hekimleri, bu verileri polisomnografi (PSG) adı verilen, halk arasında biraz rahatsız edici bulunabilen ancak uyku çalışmalarının 'altın standardı' olan bir teknikle topladılar. Bu yöntem, uyku sırasında beyin, kalp ve solunum sistemi aktivitelerinin yanı sıra bacak ve göz hareketlerini de çeşitli sensörler kullanarak izliyor.
Stanford'da uyku tıbbı profesörü ve makalenin ortak kıdemli yazarlarından Emmanuel Mignot, "Uyku çalışması yaparken inanılmaz sayıda sinyal kaydediyoruz" diyor.
Araştırmacılar, SleepFM'i geliştirdikleri yeni bir öğrenme tekniği olan 'bırak-bir-çıkarma karşılaştırmalı öğrenme' ile test ettiler. Bu teknikte, nabız okumaları veya solunum havası akışı gibi bir veri türü dışarıda bırakılarak, SleepFM'in eksik bilgileri diğer biyolojik veri akışlarına dayanarak tahmin etmesi sağlanıyor.
Araştırmacılar, bu kilit parçayı tamamlamak için PSG verilerini, her yaştan hastanın uzun vadeli sağlık sonuçlarına ilişkin on binlerce raporla eşleştirdiler; bu raporlar 25 yıla kadar takip edilen sağlık kayıtlarını içeriyordu.
Sağlık kayıtlarındaki 1.041'den fazla hastalık kategorisini analiz ettikten sonra SleepFM, hastanın uyku verilerine dayanarak 130 hastalığı makul bir doğrulukla tahmin edebildi.
SleepFM, kanserler, gebelik komplikasyonları, dolaşım sistemi rahatsızlıkları ve ruhsal bozuklukları tahmin etme konusunda özellikle başarılı oldu ve bu tahminlerde "0.8'in üzerinde bir C-indeksi" elde etti.
Stanford'da biyomedikal veri bilimcisi ve makalenin diğer ortak kıdemli yazarı James Zou, "0.8'lik bir C-indeksi, modelin tahmininin %80 oranında gerçekleşenle uyumlu olduğu anlamına gelir" diye açıklıyor.
SleepFM, hastaların belirli bir sağlık olayını belirli bir (6 yıllık) tahmin süresi içinde yaşayıp yaşamadıklarını ayırt etme yeteneğini değerlendiren AUROC sınıflandırma modelinde de başarılı oldu.
Genel olarak SleepFM, mevcut tahmin modellerini geride bıraktı ve özellikle Parkinson hastalığı, kalp krizi, felç, kronik böbrek hastalığı, prostat kanseri, meme kanseri ve tüm nedenlere bağlı ölümleri tahmin etmede üstünlük gösterdi. Bu durum, kötü uyku alışkanlıkları ile olumsuz sağlık sonuçları arasındaki bağlantıyı daha da doğruluyor. Bu, kötü uykunun altında yatan çeşitli koşulların erken bir işareti olabilir.
Bazı veri türleri ve uyku evreleri diğerlerinden daha doğru tahminleyiciler olsa da, en iyi sonuçlar vücut içi ilişkilerden ve karşıtlıklardan kaynaklandı. Mignot, özellikle en güvenilir hastalık tahminleyicilerinin senkronize olmayan fizyolojik işlevler olduğunu belirtiyor: "Örneğin, uyuyor gibi görünen bir beyin ancak uyanık gibi görünen bir kalp sorunlara işaret ediyor gibiydi."
Araştırmacılar, son yıllardaki gelişen klinik uygulamalar ve hasta popülasyonları gibi bazı sınırlamalara dikkat çekiyor. Ayrıca, veriler uyku çalışmaları için sevk edilen hastalardan alındığı için, genel nüfusun bir kısmı PSG verilerinde yeterince temsil edilmiyor.
Yapay zekanın sanat gibi alanlardaki tartışmalarına rağmen, sağlık alanındaki potansiyeli, yapay zeka ajanlarının değerli ve bilimsel olarak hayranlık uyandıran yeteneklerinin hayat kurtaran bir hatırlatıcısıdır. Örneğin, gelecekteki kullanım senaryoları SleepFM'i giyilebilir uyku cihazlarıyla birleştirerek gerçek zamanlı sağlık izlemesi sağlayabilir.
Büyük dil modelleri (LLM'ler) kelimeler ve metinler arasındaki ilişkiyi kurarak dilimizi öğrenirken, Zou'un belirttiği gibi, "SleepFM temelde uykunun dilini öğreniyor."
Bu araştırma, Nature Medicine dergisinde yayınlandı.
