هوش مصنوعی با آنالیز خواب، ابتلا به سرطان را پیش‌بینی می‌کند

شفقنا – محققان دانشگاه پزشکی استنفورد موفق به توسعه یک سیستم هوش مصنوعی پیشرفته به نام SleepFM شده‌اند که می‌تواند تنها با تحلیل داده‌های فیزیولوژیک در خواب شب، خطر ابتلا به بیش از ۱۰۰ بیماری مختلف از جمله سرطان و اختلالات عصبی را سال‌ها پیش از ظهور علائم پیش‌بینی کند.

این سیستم که نتایج خیره‌کننده آن در تاریخ ۶ ژانویه ۲۰۲۶ در مجله معتبر نیچر مدیساین منتشر شده، بر پایه تحلیل ۵۸۵ هزار ساعت ضبط داده‌های خواب متعلق به حدود ۶۵ هزار داوطلب آموزش دیده است. برخلاف روش‌های سنتی طب خواب که تنها بر دسته‌بندی مراحل خواب یا تشخیص آپنه (توقف تنفس) تمرکز دارند، این هوش مصنوعی قادر است تعاملات پیچیده میان امواج مغزی، ریتم قلب، الگوهای تنفسی و حرکات بدن را در طول هشت ساعت خواب مداوم رصد کرده و کوچک‌ترین ناهماهنگی‌های بیولوژیک را به عنوان نشانه‌های هشداردهنده اولیه شناسایی کند.

پروفسور امانوئل مینو، یکی از نویسندگان ارشد این مطالعه، معتقد است که زمان خواب در واقع یک گنجینه داده‌ای بلااستفاده بوده است؛ چرا که در این هشت ساعت، بدن در وضعیتی کاملاً تحت کنترل قرار دارد و سیگنال‌های حیاتی آن با دقت بالایی ثبت می‌شوند.

تیم استنفورد با استفاده از مدل‌های زبانی بزرگ مشابه تکنولوژی به‌کار رفته در چت‌جی‌پی‌تی، هوش مصنوعی خود را به گونه‌ای آموزش داده‌اند که «زبان خواب» را بیاموزد. این مدل با تحلیل قطعات پنج‌ثانیه‌ای از نوار خواب بیماران (پلی‌سومنوگرافی)، یاد گرفته است که چگونه سیگنال‌های مختلف مثل فعالیت عضلانی یا جریان هوای تنفسی با یکدیگر در ارتباط هستند.

یکی از نوآوری‌های کلیدی این تحقیق، استفاده از روش «یادگیری تقابلی» است که به مدل اجازه می‌دهد با حذف موقت یک سیگنال و بازسازی آن از روی سایر داده‌ها، درک عمیقی از هماهنگی کل سیستم بدن به دست آورد.

دقت این سیستم در پیش‌بینی برخی بیماری‌ها به طرز شگفت‌آوری بالاست؛ به طوری که شاخص ضریب همبستگی آن برای بیماری پارکینسون به ۰.۸۹، برای زوال عقل به ۰.۸۵ و برای سرطان‌های پروستات و سینه به ترتیب به ۰.۸۹ و ۰.۸۷ رسیده است.

ضریب همبستگی شدت رابطه و همچنین نوع رابطه (مستقیم یا معکوس) را نشان می‌دهد. این ضریب بین ۱ تا ۱- است و در صورت عدم وجود رابطه بین دو متغیر، برابر صفر است

همچنین این مدل توانسته است وقوع حملات قلبی و حتی ریسک مرگ زودهنگام را با دقت بالای ۸۰ درصد پیش‌بینی کند. محققان دریافتند که دقیق‌ترین پیش‌بینی‌ها زمانی حاصل می‌شوند که تمام کانال‌های اطلاعاتی با هم ترکیب شوند؛ به ویژه ناهماهنگی بین اعضا، مثلاً زمانی که مغز در وضعیت خواب عمیق نشان داده می‌شود اما قلب حالتی مشابه بیداری دارد، از نظر این هوش مصنوعی نشانه‌ای جدی از بروز مشکلات سلامتی در آینده است.

تیم استنفورد اکنون در حال کار بر روی نسخه‌هایی هستند که بتواند داده‌های گجت‌های پوشیدنی را نیز به این تحلیل‌ها اضافه کند تا پایش سلامت به امری روزمره و در دسترس همگان تبدیل شود.

این خبر را اینجا ببینید.