Un modello di intelligenza artificiale riesce a prevedere oltre 100 malattie analizzando il sonno

Una singola notte di sonno potrebbe rivelare molto più della semplice qualità del riposo: secondo un nuovo studio pubblicato su Nature Medicine, può predire il rischio di sviluppare oltre 100 condizioni patologiche negli anni successivi.

La polisonnografia è l'esame gold standard negli studi del sonno, che utilizza diversi sensori per registrare attività cerebrale, cardiaca, segnali respiratori, movimenti delle gambe e degli occhi. Per sfruttare questi dati, i ricercatori hanno costruito un foundation model, un tipo di modello di intelligenza artificiale (AI) che si auto-addestra su enormi quantità di dati e applica ciò che ha appreso a un'ampia gamma di compiti. I ricercatori della Stanford Medicine hanno così sviluppato SleepFM, un modello di intelligenza artificiale addestrato su 585.000 ore di dati polisonnografici su 65000 pazienti valutati in varie cliniche del sonno, con dati suddivisi in incrementi di cinque secondi. L'obiettivo più ambizioso era predire l'insorgenza futura di malattie dai dati del sonno.

"SleepFM sta essenzialmente imparando il linguaggio del sonno", ha spiegato James Zou, professore associato di biomedical data science e co-autore senior. Il modello è stato in grado di incorporare molteplici flussi di dati - elettroencefalografia, elettrocardiografia, elettromiografia, lettura del polso e flusso d'aria respiratorio - e comprendere come si relazionano tra loro.

Per ottenere questo risultato, i ricercatori hanno sviluppato una nuova tecnica di addestramento chiamata leave-one-out contrastive learning, che nasconde una modalità di dati e sfida il modello a ricostruire il pezzo mancante basandosi sugli altri segnali.
Dopo la fase di addestramento, i ricercatori hanno testato il modello su compiti standard di analisi del sonno, come la classificazione delle diverse fasi del sonno e la diagnosi della gravità dell'apnea notturna. SleepFM ha ottenuto prestazioni pari o superiori ai modelli all'avanguardia attualmente utilizzati.

SleepFM ha analizzato oltre 1.000 categorie di malattie nelle cartelle cliniche e ne ha identificate 130 che potevano essere predette con ragionevole accuratezza dai dati del sonno. Le predizioni del modello sono state particolarmente efficaci per tumori, complicanze della gravidanza, patologie circolatorie e disturbi mentali, raggiungendo un C-index superiore a 0,8.
Il C-index, o indice di concordanza, misura la capacità del modello di prevedere quale di due individui in un gruppo sperimenterà per primo un evento. "Un C-index di 0,8 significa che nell'80% dei casi la predizione del modello è concordante con ciò che è realmente accaduto", ha spiegato Zou.

I ricercatori hanno notato che, sebbene i segnali cardiaci abbiano maggior peso nelle predizioni di malattie cardiache e i segnali cerebrali in quelle di salute mentale, è stata la combinazione di tutte le modalità di dati a ottenere le predizioni più accurate.

SleepFM ha eccelso nella predizione di malattia di Parkinson (C-index 0,89), demenza (0,85), cardiopatia ipertensiva (0,84), infarto miocardico (0,81), carcinoma prostatico (0,89), carcinoma mammario (0,87) e morte (0,84). "Siamo rimasti piacevolmente sorpresi dal fatto che per un insieme piuttosto diversificato di condizioni, il modello sia in grado di fare predizioni informative", ha commentato Zou.

Il team sta ora lavorando per migliorare ulteriormente le predizioni di SleepFM e comprendere esattamente cosa il modello stia interpretando.

Matteo Vian