In het kort
- SleepFM, een AI-model, kan meer dan 100 mogelijke gezondheidsrisico’s voorspellen op basis van gegevens van één nacht slaap.
- Door hersenactiviteit, hartslag, ademhalingspatronen en andere dingen tijdens de slaap te checken, voorspelt SleepFM ziekten zoals Parkinson, Alzheimer en verschillende soorten kanker met een nauwkeurigheid van meer dan 80 procent.
- Deze super innovatieve technologie heeft een enorm potentieel voor het vroeg opsporen van ziekten en gepersonaliseerde gezondheidsinterventies.
Onderzoekers van Stanford hebben een super innovatief AI-model ontwikkeld, genaamd SleepFM, dat meer dan 100 mogelijke gezondheidsrisico’s kan voorspellen op basis van de gegevens van één nacht slaap.
Slaapgegevensanalyse
SleepFM gebruikt de enorme hoeveelheid informatie die tijdens de slaap wordt verzameld, zoals hersenactiviteit, hartslag, ademhalingspatronen, beenbewegingen en oogbewegingen, om het risico van een persoon op verschillende ziekten te beoordelen. Het model is getraind op basis van een enorme dataset met meer dan 580.000 uur aan slaapgegevens van 65.000 patiënten, verzameld tussen 1999 en 2024. Deze gegevens zijn zorgvuldig opgedeeld in intervallen van vijf seconden, waardoor SleepFM de ’taal van de slaap’ kan leren, vergelijkbaar met hoe grote taalmodellen tekst verwerken.
Om de voorspellende mogelijkheden te verbeteren, hebben onderzoekers deze slaapgegevens gekoppeld aan de individuele gezondheidsdossiers van de deelnemers. Dankzij deze uitgebreide aanpak kon SleepFM een breed scala aan aandoeningen nauwkeurig voorspellen, waaronder de ziekte van Parkinson, de ziekte van Alzheimer, dementie, hartziekten, hartaanvallen, prostaatkanker en borstkanker, met een nauwkeurigheid van meer dan 80 procent in veel gevallen.
Voorspelling van sterfte
Bovendien bleek SleepFM opmerkelijk nauwkeurig te zijn in het voorspellen van sterfte, waarbij 84 procent van de patiënten die later overleden correct werd geïdentificeerd. Hoewel het model iets minder nauwkeurig was voor chronische nierziekte, beroerte en aritmie (onregelmatige hartslag), waren de voorspellingen nog steeds meer dan 78 procent nauwkeurig.
De onderzoekers schrijven het succes van SleepFM toe aan de rijkdom en diversiteit van de gegevens die tijdens de slaap worden verzameld, waardoor een uitgebreid beeld van de fysiologische toestand van een persoon wordt verkregen. Ze zijn van plan om gegevens van draagbare apparaten te integreren om de voorspellende kracht van het model verder te verbeteren.
Beperkingen van het onderzoek
Het is belangrijk om op te merken dat de deelnemers aan het onderzoek personen waren die vanwege reeds bestaande gezondheidsproblemen een slaaponderzoek wilden ondergaan. Dit beperkt de generaliseerbaarheid van de bevindingen en onderstreept de noodzaak van toekomstig onderzoek onder een meer representatieve steekproef van de bevolking.