AI fra DTU og Stanford kan forudsige sygdomsrisiko ud fra søvn

Link kopieret

Ny forskning viser, at kunstig intelligens kan analysere store mængder søvndata og forudsige risikoen for over 130 sygdomme. Modellen er udviklet af forskere fra DTU og Stanford University.

Nationalt

Nyheder

Sundhed

Teknologi

AI bruges allerede i dag til at analysere de store datasæt, der genereres i søvnundersøgelser. Et eksempel er USleep, en model til klassificering af søvnfaser, der har vist lovende resultater i diagnosticeringen af narkolepsi. Foto: Bax Lindhardt

Et internationalt forskerhold fra DTU, Stanford University og samarbejdspartnere har udviklet en AI-model, SleepFM, der kan analysere omfattende søvnmålinger og finde mønstre, som er forbundet med sygdomsrisiko. Modellen er trænet på mere end 585.000 timers søvnregistreringer fra omkring 65.000 personer og kan ifølge forskerne forudsige risiko for op mod 130 sygdomme.

Resultaterne, som er publiceret i Nature Medicine, viser, at modellen med op til 85 procent præcision kan identificere blandt andet demens, kronisk nyresygdom, hjerteflimmer og blodprop i hjertet. Data stammer blandt andet fra amerikanske søvnstudier som Sleep Heart Health Study og Stanford Sleep Cohort.

Ph.d.-studerende ved DTU Sundhedsteknologi, Magnus Ruud Kjær, ser perspektiver i at anvende teknologien i sundhedsvæsenet:
"Når man allerede laver en søvnundersøgelse, for eksempel for at udrede søvnapnø, kan AI potentielt anvendes til at give en bred vurdering af sygdomsrisiko uden ekstra undersøgelser. Det kan pege på patienter, der bør henvises videre i sundhedssystemet,"

Ifølge forskerne kan søvn ses som en omfattende datastrøm om kroppens helbred, som hidtil har været underudnyttet. Adjunkt Andreas Brink-Kjær fra DTU arbejder videre med at forstå de biomarkører, som modellen finder i søvndata.

Faktaboks:

Projekt: SleepFM (AI-model til søvn og sygdomsforudsigelse)
Institutioner: DTU, Stanford University og internationale partnere
Data: 585.000+ timers søvnmålinger (polysomnografi)
Deltagere: ca. 65.000 personer
Sygdomme: Op til 130 sygdomme kan forudsiges
Præcision: Op til 85 %
Sygdomseksempler: demens, kronisk nyresygdom, hjerteflimmer, blodprop i hjertet
Datakilder: Sleep Heart Health Study og Stanford Sleep Cohort
Publiceret i: Nature Medicine
Teknologi: Selvlærende AI (selv-overvåget kontrastiv læring)
Forskningstype: Multimodal analyse af hjerne-, hjerte-, muskel- og åndedrætssignaler
Formål: Forbedret sygdomsrisikovurdering via søvnundersøgelser

Link kopieret