نموذج ذكاء اصطناعى جديد يتنبأ بخطر الإصابة بالأمراض أثناء النوم

طور باحثون من كلية الطب بجامعة ستانفورد، نموذجا جديدا للذكاء الاصطناعي، للتنبوء بالإصابة بالأمراض أثناء النوم، وذلك باستخدام تسجيلاتٍ فسيولوجية من ليلة نوم واحدة، للتنبؤ باحتمالية إصابة الشخص بأكثر من 100 حالةٍ صحية.

ووفقا لموقع "Medical xpress"، تم تدريب النموذج، المعروف باسم SleepFM، على بيانات نوم بلغت حوالي 600 ألف ساعة جُمعت من 65 ألف مشارك، وتأتي بيانات النوم من تخطيط النوم المتعدد، وهو تقييم شامل للنوم يستخدم أجهزة استشعار متنوعة لتسجيل نشاط الدماغ، ونشاط القلب، وإشارات التنفس، وحركات الساقين، وحركات العين، وغيرها.

تفاصيل الدراسة
 

يعد تخطيط النوم المتعدد المعيار الذهبي في دراسات النوم، التي تراقب المرضى طوال الليل في المختبر،  كما أدرك الباحثون أنه منجم ذهب غير مستغل للبيانات الفسيولوجية.

قال إيمانويل مينيو، المشارك الرئيسي للدراسة الجديدة المنشورة في مجلة Nature Medicine  :"نسجل عددًا هائلاً من الإشارات عند دراسة النوم، إنه نوع من علم وظائف الأعضاء العام الذي ندرسه لمدة ثماني ساعات على شخص يخضع للدراسة بشكل كامل، إنها بيانات غنية للغاية."

لا يُستخدم سوى جزء ضئيل من هذه البيانات في أبحاث النوم الحالية وطب النوم، ومع التقدم في مجال الذكاء الاصطناعي، أصبح من الممكن الآن فهم كمية أكبر بكثير منها، وتُعدّ هذه الدراسة الجديدة الأولى من نوعها التي تستخدم الذكاء الاصطناعي لتحليل بيانات النوم واسعة النطاق.

"من منظور الذكاء الاصطناعي، فإن النوم لم يحظ بدراسة كافية نسبياً، هناك الكثير من أعمال الذكاء الاصطناعي الأخرى التي تبحث في علم الأمراض أو أمراض القلب، ولكن القليل نسبياً منها يبحث في النوم، على الرغم من أن النوم جزء مهم جداً من الحياة"، كما قال جيمس زو، المؤلف المشارك الرئيسي للدراسة.

تعلم لغة النوم
 

للاستفادة من الكم الهائل من بيانات النوم، قام الباحثون ببناء نموذج أساسي، وهو نوع من نماذج الذكاء الاصطناعي القادرة على تدريب نفسها على كميات هائلة من البيانات وتطبيق ما تعلمته على نطاق واسع من المهام، وتُعد نماذج اللغة الكبيرة مثل ChatGPT أمثلة على النماذج الأساسية التي تم تدريبها على كميات ضخمة من النصوص.

استُخدمت بيانات تخطيط النوم المتعدد (polysomnography) التي يبلغ مجموعها 585,000 ساعة، والتي دُرِّب عليها نموذج SleepFM، من مرضى خضعوا لتقييم نومهم في عيادات نوم مختلفة، وقُسِّمت بيانات النوم إلى فترات زمنية مدتها خمس ثوانٍ، على غرار الكلمات التي تستخدمها نماذج اللغة الكبيرة للتدريب.

كان النموذج قادراً على دمج تدفقات متعددة من البيانات، تخطيط كهربية الدماغ، وتخطيط كهربية القلب، وتخطيط كهربية العضل، وقراءة النبض وتدفق هواء التنفس، على سبيل المثال - واستخلاص كيفية ارتباطها ببعضها البعض.

تطوير النموذج الجديد
 

في البداية، اختبر الباحثون النموذج على مهام تحليل النوم القياسية، مثل تصنيف مراحل النوم المختلفة وتشخيص شدة انقطاع النفس النومي، وقد أظهر نموذج SleepFM أداءً مماثلاً أو أفضل من أحدث النماذج المستخدمة حاليًا.

ثمّ انطلق الباحثون نحو هدفٍ أكثر طموحًا: التنبؤ بظهور الأمراض مستقبلًا انطلاقًا من بيانات النوم، ولتحديد الحالات التي يُمكن التنبؤ بها، احتاجوا إلى ربط بيانات تخطيط النوم المتعدد المستخدمة في التدريب مع النتائج الصحية طويلة الأمد للمشاركين أنفسهم. ولحسن الحظ، كان لديهم إمكانية الوصول إلى سجلات صحية لأكثر من نصف قرن من عيادة متخصصة في النوم.

حلّل برنامج SleepFM أكثر من 1000 فئة مرضية في السجلات الصحية، ووجد 130 فئة يمكن التنبؤ بها بدقة معقولة من خلال بيانات نوم المريض، وكانت تنبؤات النموذج قوية بشكل خاص فيما يتعلق بالسرطانات، ومضاعفات الحمل، وأمراض الدورة الدموية، والاضطرابات النفسية، حيث حقق مؤشر C أعلى من 0.8.

وقد تفوق برنامج SleepFM في التنبؤ بمرض باركنسون مؤشر C 0.89))، والخرف (0.85)، وأمراض القلب الناتجة عن ارتفاع ضغط الدم (0.84)، والنوبة القلبية (0.81)، وسرطان البروستاتا (0.89)، وسرطان الثدي (0.87)، والوفاة (0.84).