Yapay zeka modeli; parkinson, alzheimer, demans, hipertansif kalp hastalığı, kalp krizi, prostat kanseri ve meme kanseri gibi hastalıkların gelişimini en az yüzde 80 doğrulukla tahmin etti.
Yeni geliştirilen yapay zeka (YZ) modeli, bir kişinin uyku kalitesine bakarak 100’den fazla hastalığa yakalanma riskini tahmin edebiliyor.
Kaliforniya’daki Stanford Üniversitesi araştırmacıları tarafından geliştirilen büyük dil modeli SleepFM, uyku sırasında beynin elektriksel aktivitesini, kalp atış hızını, solunum sinyallerini, bacak ve göz hareketlerini analiz ederek hastalık risklerini değerlendiriyor.
Nature dergisinde yayımlanan yeni çalışmada araştırmacılar, 1999 ile 2024 yılları arasında 65 bin hastadan toplanan 580 bin saati aşkın uyku verisiyle modeli eğitti. Veriler, gece boyunca uyku düzeninin incelendiği uyku kliniklerinden elde edildi ve yapay zekâ eğitimi için beşer saniyelik parçalara bölündü. Bu parçalar, büyük dil modellerinde kelimelere benzer şekilde kullanıldı.
Çalışmanın yazarlarından ve Stanford’da biyomedikal veri bilimi alanında doçent olan James Zou, “SleepFM aslında uykunun dilini öğreniyor,” dedi.
Araştırmacılar, uyku verilerini hastaların bireysel sağlık kayıtlarıyla birleştirerek modeli gelecekte ortaya çıkabilecek hastalıkları öngörebilecek şekilde eğitti.
SleepFM, Parkinson, Alzheimer, demans, hipertansif kalp hastalığı, kalp krizi, prostat kanseri ve meme kanseri gibi hastalıkların gelişimini en az yüzde 80 doğrulukla tahmin etti. Model, bir hastanın ölüm riskini ise yüzde 84 doğrulukla öngördü.
Kronik böbrek hastalığı, inme ve düzensiz kalp ritmi (aritmi) gibi durumlarda ise doğruluk oranı daha düşük kaldı; bu hastalıklar vakaların en az yüzde 78’inde doğru tahmin edildi.
Stanford’da uyku tıbbı profesörü olan Emmanuel Mignot, “Uyku sırasında inanılmaz sayıda sağlık sinyali kaydediyoruz. Sekiz saat boyunca, tamamen hareketsiz bir kişide genel fizyolojiyi inceliyoruz. Bu, son derece zengin bir veri kaynağı,” ifadelerini kullandı.
Araştırmacılara göre, farklı biyolojik verilerin birlikte kullanılması modelin başarısını artırdı. Örneğin beynin uyuyor gibi görünüp kalbin uyanık sinyaller vermesi gibi uyumsuzluklar, ciddi sağlık risklerine işaret edebiliyor.
Stanford ekibi, SleepFM’nin tahmin gücünü artırmak için bir sonraki aşamada giyilebilir cihazlardan elde edilen verileri de modele eklemeyi planlıyor.
Ancak araştırmacılar önemli bir sınırlamaya da dikkat çekiyor: Çalışma yalnızca halihazırda sağlık sorunlarından şüphelenildiği için uyku kliniklerine başvuran kişiler üzerinde yapıldı. Bu nedenle sonuçlar, modelin genel nüfusta hastalıkları ne ölçüde tespit edebileceğini tam olarak yansıtmıyor.