新しい AI は、睡眠検査室での一晩の信号から、パーキンソン病、認知症、心臓発作のほか、前立腺がんや乳がんなど、約 130 の病気のその後のリスクを推定できます。そして、これは「最初の症状が現れる何年も前に起こる」と、ネイチャー・メディシン誌に掲載された研究の著者の一人であるスタンフォード大学のデータサイエンティスト、ジェームス・ゾウ氏は言う。
新しい AI モデルは SleepFM と呼ばれ、数十万時間の睡眠データに基づいてトレーニングされました。 これは、スタンフォード大学の生物医学データ科学者であるラーフル・タパ氏が率いるチームによって開発されました。
AI が睡眠を「読み取る」方法を学習する方法
睡眠検査室での睡眠の検査と測定は睡眠ポリグラフィーと呼ばれます。脳波、心臓の活動、呼吸、筋肉の緊張、目と脚の動きも同時に記録されます。 SleepFM の場合、チームは、主にスタンフォード睡眠医学センターからの、いくつかのグループの約 65,000 人からのそのような録音の約 585,000 時間を使用しました。
事前トレーニング中に、AIは通常の睡眠中に脳、心臓、呼吸からの信号がどのように調整されるかを学習しました。モデルが統計的に記録する一種の睡眠言語。
正しく回復する方法
このビデオを表示するには、JavaScript を有効にし、次の Web ブラウザにアップグレードすることを検討してください。 HTML5ビデオをサポート
睡眠信号から病気の予後まで
この基本的なトレーニングの後、SleepFM は睡眠段階の検出や睡眠時無呼吸診断などのタスクに合わせて微調整され、U-Sleep や YASA などの確立された方法と競合する値を達成しました。
これら 2 つのプログラムは、EEG データを使用して脳波を測定し、研究者が睡眠段階を特定して分析するのに役立ちます。
研究者らはその後、最大 25 年まで遡った睡眠データを関連付けました。 電子健康記録を利用し、一晩の測定からその後のどの診断が予測できるかをチェックしました。
このモデルは、1,000 以上のカテゴリから、少なくとも中程度から高い精度でリスクを予測できる 130 の疾患を特定しました。筆頭著者のラーフル・タパ氏はまた、このアプローチが「定期的な睡眠測定によって、これまで過小評価されていた人々の長期的な健康状態を知る窓が開かれる」ことを示していると強調している。
この予測は、認知症、パーキンソン病、心臓発作、心不全、特定の種類の癌、および全体的な死亡率に関して特に良好でした。 「原理的には、データ基盤が存在する限り、多くの可能な予測に対して AI モデルをトレーニングすることができます」と、ドルトムント工科大学ラマー研究所の睡眠専門家であるセバスティアン・ブッシュイェーガー氏は述べていますが、彼はこの研究には関与していません。
AIが眠っている体で探しているもの
この評価により、心臓の信号は心血管疾患の予測に特に重要な貢献をする一方、脳の信号は神経疾患や精神疾患の場合により重要であることがわかります。しかし、最も意味のあることは、さまざまな信号の組み合わせです。たとえば、EEG は安定した睡眠状態を示しているが、心臓はより「覚醒している」ように見える場合です。
脳と心臓の間のこのような矛盾は、症状が明らかになるずっと前に隠れたストレスや病気の初期プロセスを示している可能性があります。 「睡眠医学の同僚が関連性を疑う場合、私たち AI 担当者はそれを予後システムに転送することができます。逆も同様で、どこに関連性が存在するかについての手がかりを提供できます」とブッシュイェーガー氏は言います。
「私たちが提供する関連性はほとんどが統計的なものです。因果関係は専門家によって検証される必要があります」とドルトムントの睡眠専門家は書面でDWに語った。
検査データはどの程度信頼できるのでしょうか?
彼らは独立した研究でもこのモデルをテストしていますが、睡眠に問題がない人々や、世界の十分なサービスを受けられていない地域の人々は依然として過小評価されています。
診断と治療の機会と限界
研究者らは、SleepFM は病気の原因を明らかにするのではなく、相関関係を明らかにするものであることを明確に強調しています。それは、後の診断に関連する可能性のある睡眠の統計的パターンを検出します。
「ほとんどの AI プロセスは因果関係を学習しません」と、睡眠データを分析するための AI および機械学習プロセス (略して ML プロセス) を研究しているが、この研究には関与していない、ドルトムント工科大学のコンピューター科学者マティアス ヤコブス氏は説明します。
ML 手法は、ルールごとに明示的にプログラムしなくても、コンピュータがサンプル データから学習してパターンを認識し、予測できるようにする計算手法です。
それにも関わらず、ジェイコブズ氏は「たとえ統計的関係だけが利用されたとしても、診断と治療の可能性がある」と考えているとコンピューター科学者は書面でDWに語った。
人工知能は医療専門家によるデータの評価をサポートできますが、データに代わるものではありません。画像: Thomas Koehler/photothek/picture Alliance
AI は人々を助けますが、代わりにはなりません
SleepFM のようなモデルは、睡眠ポリグラフィーからの膨大な量のデータを、いわゆるエンベディング (つまり、より迅速で多くの場合、より正確な評価を可能にするコンパクトな数値表現) に圧縮します。「睡眠段階や無呼吸に効率的に注釈を付けることができます。これは手作業で非常に時間がかかり、間違いが発生しやすい作業です。これにより、医師は患者のためにより多くの時間を確保できます」とコンピューター科学者のジェイコブズ氏は言います。
同時に、ドルトムントの睡眠専門家ブッシュイェーガー氏は、学際的な協力が重要であると強調している。「AIは治療計画を立てるために簡単に訓練できるが、人間、つまり医師は多くの場合、すべての原因を知らずに結果を解釈し、治療法を選択する。」
これは、AI がツールおよび早期警告システムにとどまり、診断と治療の責任は引き続き医療スタッフにあることを意味します。
見つかったパターンが根底にある生物学的メカニズムに言及しているかどうか、またどの程度まで言及しているのかはまだ未解決の問題ですが、まさにこれこそが研究者が大きな可能性を見出している点です。
特定の信号プロファイルが睡眠中に繰り返し個々の病気に関連付けられている場合、神経系、心臓血管系、または免疫系のどのプロセスが早い段階でリズムを狂わせるかについての情報が得られる可能性があります。したがって、以前の睡眠検査室コホートを超えて人々の健康について結論を引き出すことも可能になります。
#が #の病気のリスクを検出