Uykunuz sağlığınızın gizli dilini konuşuyor, yapay zeka onu çözdü

Tıp ve teknoloji alanında çığır açan bir gelişme, uyku sırasında kaydedilen fizyolojik verilerin hastalık risklerini önceden belirlemede ne kadar etkili olabileceğini ortaya koymaktadır. Stanford Üniversitesi'nde yürütülen araştırma, yapay zeka modellerinin insan sağlığının tahmin edilmesinde nasıl devrim yaratacağını gösteren somut bir örnek sunmaktadır. Söz konusu model, ChatGPT gibi büyük dil modellerinin metin ve kelimelerden öğrendiği gibi, uyku verilerinden de öğrenerek kişilerin gelecekteki sağlık durumlarını belirleyebilmektedir.

SleepFM modeli nasıl çalışıyor?

SleepFM olarak adlandırılan bu yapay zeka sistemi, 65 bin katılımcıdan toplanan yaklaşık 600 bin saatlik uyku verisi üzerinde eğitilmiştir. Bu geniş veri seti, çeşitli uyku kliniklerinden alınan ve 5 saniyelik artışlarla kaydedilen uyku bilgilerinden oluşmaktadır. Araştırmacılar, polisomnografi adı verilen kapsamlı teknik aracılığıyla bu verileri toplamışlardır. Polisomnografi, uyku sırasında beyin, kalp ve solunum sisteminin aktivitesini izlemek için çeşitli sensörler kullanarak, bacak ve göz hareketlerini de kaydeden altın standart bir yöntemdir.

Stanford'da uyku tıbbı profesörü ve araştırmanın ortak kıdemli yazarı Emmanuel Mignot, "Uykuyu incelediğimizde inanılmaz sayıda sinyal kaydediyoruz" diyerek bu veri zenginliğinin önemini vurgulamaktadır. Yapay zeka modeli, bu karmaşık fizyolojik sinyalleri analiz ederek, sağlık durumları arasındaki gizli bağlantıları ortaya çıkarmayı başarmıştır.

Hastalık tahminlemesinde başarılı sonuçlar

Araştırmacılar, SleepFM'i "bırak-bir-dışarı karşıtlık öğrenimi" adı verilen yeni bir teknik aracılığıyla test etmişlerdir. Bu yöntemde, nabız okumaları veya solunum hava akışı gibi belirli veri türleri hariç tutularak, modelin diğer biyolojik verilerden eksik bilgileri tahmin etmesi sağlanmıştır. Araştırmacılar daha sonra uyku verilerini, 25 yıla kadar uzanan takip sağlık kayıtlarıyla eşleştirerek, çeşitli yaş gruplarındaki hastaların uzun vadeli sağlık sonuçlarını analiz etmişlerdir.

1.041'den fazla hastalık kategorisini inceledikten sonra, SleepFM bunların 130'unu makul bir doğrulukla tahmin edebildiğini göstermiştir. Özellikle kanserler, hamilelik komplikasyonları, dolaşım bozuklukları ve zihinsel hastalıkların tahminlemesinde, 0,8'den yüksek bir C-indeksi elde etmiştir. Stanford'da biyomedikal veri bilimcisi ve araştırmanın ortak kıdemli yazarı James Zou, "0,8'lik bir C-indeksi, zamanın yüzde 80'inde modelin tahmininin gerçekte olanla uyumlu olduğu anlamına gelir" şeklinde açıklama yapmıştır.

SleepFM, Parkinson hastalığı, kalp krizi, felç, kronik böbrek hastalığı, prostat kanseri, meme kanseri ve tüm nedenlere bağlı ölümü tahmin etmede mevcut tahmin modellerini geride bırakmıştır. Bu başarılar, kötü uyku alışkanlıkları ile olumsuz sağlık sonuçları arasındaki bağlantıyı daha da doğrulamaktadır.