آیکون خبر

خبر کامل

هوش مصنوعی SleepFM: پیش‌بینی ۱۳۰ بیماری با تحلیل دقیق الگوهای خواب

هوش مصنوعی SleepFM: پیش‌بینی ۱۳۰ بیماری با تحلیل دقیق الگوهای خواب

هوش مصنوعی SleepFM: انقلابی در پیش‌بینی بیماری‌ها از طریق تحلیل خواب

سامانه هوش مصنوعی جدیدی با نام SleepFM، با تحلیل دقیق الگوهای خواب، قادر به پیش‌بینی بیش از ۱۳۰ بیماری از جمله پارکینسون، زوال عقل و انواع سرطان با دقتی بی‌سابقه است. این فناوری نویدبخش تحولی عظیم در تشخیص زودهنگام و شخصی‌سازی پایش سلامت است.

آموزش گسترده با داده‌های جامع خواب

سامانه هوش مصنوعی SleepFM بر پایه گنجینه‌ای عظیم از داده‌ها آموزش دیده است. این مجموعه شامل ۵۸۵ هزار ساعت داده خواب است که معادل ۶۶ سال ثبت پیوسته بوده و از حدود ۶۵ هزار بیمار جمع‌آوری شده است. این داده‌های ارزشمند از طریق تست جامع خواب (پلی‌سومنوگرافی) در کلینیک‌های تخصصی به‌دست آمده‌اند. در این تست، امواج مغز، ریتم قلب، الگوی تنفس و حرکات بدن بیماران در طول شب با دقت فراوان ردیابی و ثبت می‌شود.

جیمز زو، از نویسندگان ارشد این مطالعه که نتایج آن در نشریه معتبر نِیچِر مدیسین منتشر شده، می‌گوید: «اسلیپ اِف‌اِم در اصل در حال یادگیری زبان خواب است. ما راهی فنی ابداع کردیم تا همه این سیگنال‌های مختلف بدنی با هم گفت‌وگو کنند و زبانی مشترک بیاموزند.»

دقت چشمگیر در پیش‌بینی بیماری‌ها

پس از مرحله آموزش، مدل SleepFM ابتدا در تشخیص مراحل خواب و شدت آپنه خواب (قطع تنفس در خواب) عملکردی فراتر از سامانه‌های رایج از خود نشان داد. اما آزمون بزرگ‌تر، پیونددادن الگوهای خواب به سوابق پزشکی بلندمدت بیماران بود. این مدل با بررسی داده‌های خواب و سلامت افرادی که برخی از آنها تا ۲۵ سال تحت پیگیری بودند، موفق به شناسایی ۱۳۰ بیماری شد که تنها از روی الگوهای خواب قابل پیش‌بینی هستند.

دقت پیش‌بینی این مدل در بیماری‌های کلیدی بسیار قابل توجه است:

  • پارکینسون: ۸۹ درصد
  • زوال عقل: ۸۵ درصد
  • سرطان پروستات: ۸۹ درصد
  • سرطان پستان: ۸۷ درصد
  • حمله قلبی: ۸۱ درصد

این سطوح دقت، حتی از برخی ابزارهای پیش‌بینی کنونی مورد استفاده در کلینیک‌ها نیز فراتر رفته است. محققان اشاره می‌کنند که مدل‌هایی با دقت پایین‌تر (حدود ۷۰ درصد) هم‌اکنون در پیش‌بینی پاسخ به درمان سرطان به‌کار می‌روند.

راز موفقیت: ناهماهنگی در سیگنال‌های بدن

یافته کلیدی پژوهشگران این است که دقیق‌ترین پیش‌بینی‌ها نه از یک سیگنال مجزا، بلکه از ترکیب و تقابل همه کانال‌های داده حاصل می‌شود. به عبارت ساده‌تر، زمانی که بخش‌های مختلف بدن در حالت ناهماهنگی قرار می‌گیرند – مثلاً مغز در خواب عمیق است اما قلب علائم بیداری و استرس را نشان می‌دهد – این می‌تواند نشانه‌ای هشداردهنده از یک مشکل سلامتی در آینده باشد.

امانوئل میگنو، دیگر محقق ارشد این مطالعه، توضیح می‌دهد: «بیشترین اطلاعات برای پیش‌بینی بیماری، از مقایسه و تقابل کانال‌های مختلف به‌دست آمد. به نظر می‌رسد ناهم‌زمانی اجزای بدن خبر از مشکل می‌دهد.»

چشم‌انداز آینده: از کلینیک تا مچ‌بند هوشمند

اگرچه این مدل هنوز قادر به توضیح دقیق مبنای پیش‌بینی‌های خود نیست، گام بعدی پژوهشگران، توسعه روش‌هایی برای تفسیر تصمیمات این هوش مصنوعی است. چشم‌انداز نهایی، ادغام این فناوری با داده‌های دستگاه‌های پوشیدنی مانند ساعت‌های هوشمند است تا پایش سلامت، کاملاً شخصی و همگانی شود.

این مطالعه گامی انقلابی به سوی تبدیل خواب، که یک‌سوم زندگی انسان را در بر می‌گیرد، به یک نمونه‌برداری دیجیتال بی‌خطر و قدرتمند برای ارزیابی همه‌جانبه سلامت است.

شناسنامه خبر:

درباره هوش‌مصنوعی دست‌اول:

تمامی اخبار دست‌اول توسط دستیار هوش مصنوعی «هوشنگ» پردازش، صحت‌سنجی، خلاصه و بازنویسی شده است. هوشنگ هر روز با داده‌های جدید آموزش داده می‌شود و با نظارت دقیق انسانی و سردبیری دست‌اول در حال بهتر شدن است.
شما می‌توانید از چت‌بات و سایر ابزارهای هوشنگ به صورت رایگان استفاده کنید.

دسترسی رایگان به هوشنگ ↗