Uykunun Diliyle Hastalıkları Tahmin Edebilen Yapay Zeka Modeli Geliştirildi
Araştırmacılar, Nature dergisinde yayımlanan bir çalışmada, 1999 ile 2024 yılları arasında toplanan 580 binden fazla saatlik uyku verisiyle eğitilen SleepFM adlı yapay zeka modelini tanıttı. Veriler, 65 bin hastanın katıldığı uyku kliniklerinden elde edildi ve uyku sırasında kaydedilen çeşitli fizyolojik veriler modele aktarıldı.
Veriler beşer saniyelik parçalara ayrılarak büyük dil modellerine uygun bir yapıya dönüştürüldü. Stanford Üniversitesi’nden Biyomedikal Veri Bilimi Doçenti ve çalışmanın yazarlarından James Zou, bu süreci “SleepFM esasen uykunun dilini öğreniyor” sözleriyle özetledi.
SleepFM, uyku verilerini hastaların bireysel sağlık geçmişleriyle birleştirerek gelecekte ortaya çıkabilecek hastalıkları tahmin edecek şekilde eğitildi. Model, Parkinson, Alzheimer, demans, hipertansif kalp hastalığı, kalp krizi, prostat kanseri ve meme kanseri risklerini en az yüzde 80 doğrulukla tahmin etti. Ayrıca, hastaların ölüm riskini ise yüzde 84 oranında doğru bir şekilde öngördü.
Bazı hastalıklarda doğruluk seviyesi düşük kaldı
Modelin doğruluğu bazı hastalıklarda daha düşük seviyelerde olmakla birlikte, kronik böbrek hastalığı, felç ve aritmi vakalarında en az yüzde 78 oranında doğruluk sağladığı belirlendi.
Uyku Tıbbı Profesörü Emmanuel Mignot, uyku sırasında kaydedilen sağlık sinyallerinin çok önemli olduğunu vurgulayarak, bunun son derece veri zengin bir fizyolojik gözlem sunduğunu söyledi.
Araştırmaya göre, farklı vücut sinyallerinin bir araya getirilmesi modelin doğruluğunu artırıyor. Örneğin, beynin uykuda olduğu halde kalbin uyanık gibi davranması gibi uyumsuz sinyaller, sağlık açısından risk işareti olarak değerlendiriliyor. Stanford Üniversitesi, SleepFM’nin tahmin yeteneğini geliştirmek için giyilebilir cihazlardan elde edilecek verilerin de sisteme entegre edileceğini duyurdu.
Araştırmacılar, çalışmanın önemli bir sınırlamasına da dikkat çekti. Veriler, uyku kliniklerine başvuran ve sağlık sorunlarından şüphelenen kişilerden elde edildiği için genel toplumdaki hastalık tespitinde modelin başarısını tam olarak yansıtmadığı belirtildi.
