Ο ύπνος μπορεί να κρύβει πολύ περισσότερες πληροφορίες για την υγεία από όσες πίστευαν μέχρι σήμερα οι επιστήμονες. Νέα έρευνα δείχνει ότι η τεχνητή νοημοσύνη μπορεί να αξιοποιήσει δεδομένα από μια συνηθισμένη μελέτη ύπνου για να εντοπίσει αυξημένους κινδύνους εμφάνισης σοβαρών προβλημάτων υγείας στο μέλλον. Οι ερευνητές ανέπτυξαν ένα μοντέλο τεχνητής νοημοσύνης που αναλύει τα δεδομένα μιας νυχτερινής εξέτασης ύπνου και μπορεί να αναγνωρίζει μοτίβα τα οποία δεν είναι εύκολο να εντοπιστούν από την κλασική αξιολόγηση. Η τεχνολογία βασίζεται στην ανάλυση πολλών διαφορετικών σημάτων του οργανισμού κατά τη διάρκεια του ύπνου, όπως η δραστηριότητα του εγκεφάλου, η αναπνοή, η καρδιακή λειτουργία και οι κινήσεις του σώματος. Η συγκεκριμένη προσέγγιση ανοίγει τον δρόμο για μια νέα μορφή προληπτικής ιατρικής, όπου ο ύπνος δεν θα αξιολογείται μόνο για την ποιότητά του ή για την ανίχνευση διαταραχών όπως η υπνική άπνοια, αλλά και ως ένα «παράθυρο» προς τη μελλοντική κατάσταση της υγείας ενός ανθρώπου.
Οι μελέτες ύπνου, γνωστές ως πολυυπνογραφίες, καταγράφουν κατά τη διάρκεια μιας νύχτας ένα μεγάλο όγκο βιολογικών δεδομένων. Περιλαμβάνουν ηλεκτρική δραστηριότητα του εγκεφάλου, καρδιακούς παλμούς, επίπεδα οξυγόνου, αναπνευστικά πρότυπα, κινήσεις των ματιών και των άκρων, αλλά και τις διαφορετικές φάσεις του ύπνου. Παρότι αυτές οι εξετάσεις χρησιμοποιούνται εδώ και χρόνια για τη διάγνωση διαταραχών ύπνου, οι επιστήμονες θεωρούν ότι περιέχουν πολύ περισσότερες πληροφορίες από όσες αξιοποιούνται σήμερα. Το πρόβλημα ήταν ότι ο όγκος και η πολυπλοκότητα των δεδομένων καθιστούσαν δύσκολη την πλήρη ανάλυσή τους από τον άνθρωπο.
Εδώ έρχεται η τεχνητή νοημοσύνη, η οποία μπορεί να εντοπίσει μικρές αλλαγές και συνδυασμούς χαρακτηριστικών που σχετίζονται με μελλοντικούς κινδύνους. Αντί να εξετάζει ένα μόνο στοιχείο, όπως τη διάρκεια του ύπνου ή τις διακοπές της αναπνοής, το μοντέλο αξιολογεί τη συνολική «υπογραφή» του ύπνου ενός ατόμου. Παρόμοια μοντέλα έχουν ήδη δείξει ότι μπορούν να προβλέψουν αυξημένο κίνδυνο για περισσότερες από 100 παθήσεις, μεταξύ των οποίων καρδιαγγειακές ασθένειες, εγκεφαλικό επεισόδιο, καρδιακή ανεπάρκεια, άνοια, νεφρική νόσο και άλλα χρόνια προβλήματα υγείας. Οι επιστήμονες υπογραμμίζουν ότι ο στόχος δεν είναι να αντικατασταθούν οι γιατροί, αλλά να δημιουργηθεί ένα εργαλείο που θα βοηθά στον εντοπισμό ανθρώπων οι οποίοι μπορεί να χρειάζονται νωρίτερα προληπτικό έλεγχο ή αλλαγές στον τρόπο ζωής.
Η νέα γενιά μοντέλων τεχνητής νοημοσύνης αλλάζει τον τρόπο με τον οποίο αντιμετωπίζεται ο ύπνος στην ιατρική. Μέχρι σήμερα, μια μελέτη ύπνου είχε κυρίως στόχο να απαντήσει σε ερωτήματα όπως αν κάποιος πάσχει από υπνική άπνοια ή αν υπάρχουν διαταραχές στις φάσεις του ύπνου. Η νέα προσέγγιση προσπαθεί να απαντήσει σε ένα διαφορετικό ερώτημα: μπορεί ο τρόπος με τον οποίο κοιμόμαστε σήμερα να αποκαλύψει προβλήματα που θα εμφανιστούν χρόνια αργότερα; Η απάντηση φαίνεται να είναι θετική, καθώς ο ύπνος επηρεάζεται από πολλαπλά συστήματα του οργανισμού. Προβλήματα στην καρδιά, στον μεταβολισμό, στο νευρικό σύστημα ή στη ρύθμιση των ορμονών μπορούν να αφήσουν μικρά ίχνη στη διάρκεια της νύχτας, ακόμη και πριν εμφανιστούν εμφανή συμπτώματα.
Σε μία από τις σημαντικές προσπάθειες στον τομέα αυτό, το μοντέλο SleepFM εκπαιδεύτηκε σε περισσότερες από 585.000 ώρες δεδομένων ύπνου από περίπου 65.000 άτομα και κατάφερε να δημιουργήσει προβλέψεις για μελλοντικούς κινδύνους υγείας από μία μόνο νυχτερινή καταγραφή. Οι ερευνητές θεωρούν ότι τέτοιες τεχνολογίες θα μπορούσαν στο μέλλον να βοηθήσουν στην έγκαιρη αναγνώριση ατόμων υψηλού κινδύνου, πριν η ασθένεια εξελιχθεί σε πιο σοβαρό στάδιο. Αυτό θα μπορούσε να επιτρέψει παρεμβάσεις όπως αλλαγές στη διατροφή, αύξηση της σωματικής δραστηριότητας ή πιο συστηματική ιατρική παρακολούθηση. Ωστόσο, οι ειδικοί επισημαίνουν ότι απαιτείται περαιτέρω αξιολόγηση πριν από την ευρεία χρήση τέτοιων συστημάτων στην καθημερινή κλινική πράξη. Η ακρίβεια των μοντέλων, η προστασία των προσωπικών δεδομένων υγείας και η σωστή ερμηνεία των αποτελεσμάτων αποτελούν βασικές προϋποθέσεις για την ασφαλή εφαρμογή τους
Η μελέτη δημοσιεύτηκε στο περιοδικό Nature Communications
