Μοντέλο ΑΙ προβλέπει τον κίνδυνο δεκάδων ασθενειών από τις καταγραφές ύπνου
Τα δεδομένα από τις μελέτες ύπνου επιτρέπουν την πρόβλεψη ορισμένων ασθενειών με ακρίβεια 90%.
Οι μελέτες ύπνου, στις οποίες ο εξεταζόμενος παρακολουθείται με αισθητήρες ενώ κοιμάται, μπορούν να προβλέψουν με ακρίβεια μελλοντικά προβλήματα υγείας, διαπιστώνουν ερευνητές του Στάνφορντ. Το μοντέλο τεχνητής νοημοσύνης (ΑΙ) που ανέπτυξαν εκτιμά τον πιθανότητα εμφάνισης περισσότερων από 100 παθήσεων χρησιμοποιώντας τα δεδομένα μίας μόνο νύχτας.
Στην περίπτωση της νόσου του Πάρκινσον, οι προβλέψεις του μοντέλου «SleepFM» είναι σωστές στο 90% των περιπτώσεων, αναφέρει η ερευνητική ομάδα στην επιθεώρηση Nature Medicine.
Το μοντέλο προβλέπει επίσης με ακρίβεια άνω του 80% την άνοια, το έμφραγμα, τον καρκίνο του προστάτη και του μαστού, την υπερτασική καρδιοπάθεια και την πιθανότητα θανάτου από οποιοδήποτε αίτιο. Για άλλες παθήσεις, οι προβλέψεις είναι λιγότερο ακριβείς αλλά χρήσιμες, λένε οι ερευνητές.
Τα δεδομένα εκπαίδευσης προήλθαν από μελέτες πολυυπνογραφίας, το στάνταρτ για τη διάγνωση διαταραχών του ύπνου, το οποίο παρακολουθεί τον κοιμισμένο ασθενή με καρδιογράφημα, ηλεκτροεγκεφαλογράφημα, μετρήσεις της αναπνοής, των κινήσεων και του καρδιακού ρυθμού.
Σύμφωνα με τους ερευνητές, πρόκειται για ένα «χρυσωρυχείο δεδομένων» που παρέμενε εν πολλοίς ανεκμετάλλευτο ως σήμερα.
Για να αξιοποιήσουν τα δεδομένα, οι ερευνητές ανέπτυξαν ένα μοντέλο ΑΙ που εκπαιδεύτηκε με τις καταγραφές 585.000 ωρών πολυϋπνογραφίας από διάφορες κλινικές ύπνου.
Σε πρώτη φάση, η ομάδα επιβεβαίωσε ότι το μοντέλο είναι ικανό για τη στάνταρτ ανάλυση με την οποία αναγνωρίζονται τα διάφορα στάδια του ύπνου και διαγιγνώσκεται η σοβαρότητα της υπνικής άπνοιας. Σε αυτή την περίπτωση, το SleepFM είχε συγκρίσιμες ή καλύτερες επιδόσεις σε σχέση με τα καλύτερα μοντέλα που χρησιμοποιούνται σήμερα στις μελέτες ύπνου.
Στη συνέχεια, οι ερευνητές αντιστοίχησαν τα δεδομένα πολυυπνογραφίας 35.000 ασθενών που είχαν εξεταστεί σε κλινική ύπνου στο Στάνφορντ με τα προβλήματα υγείας που καταγράφονταν στους ψηφιακούς ιατρικούς φακέλους τους, οι οποίοι σε κάποιες περιπτώσεις κάλυπταν διάστημα 25 ετών.
Το SleepFM εξέτασε περισσότερες από 1.000 διαφορετικές παθήσεις και έδειξε ότι οι 130 από αυτές μπορούν να προβλεφθούν από τα δεδομένα, ειδικά όσον αφορά διάφορες μορφές καρκίνου, επιπλοκές της εγκυμοσύνης και ψυχικές διαταραχές.
Οι ερευνητές θα προσπαθήσουν τώρα να βελτιώσει την προγνωστική ικανότητα του μοντέλου, μεταξύ άλλων αξιοποιώντας δεδομένα από φορετές συσκευές που παρακολουθούν τον ύπνο.
Παραδέχονται πάντως πως δεν έχουν ιδέα πώς ακριβώς το μοντέλο υπολογίζει την πιθανότητα εμφάνισης ασθενειών.
«Δεν μας το εξηγεί στα αγγλικά» σχολίασε σε ανακοίνωση του Στάνφορντ ο Τζέιμς Ζόου, συνεπικεφαλής της μελέτης.
«Έχουμε ωστόσο αναπτύξει τεχνικές για να διαπιστώσουμε τι εξετάζει το μοντέλο όταν κάνει μια συγκεκριμένη πρόβλεψη».
- Πρόεδρος Γοδόι Κρους για Σαντίνο: «Απορρίφθηκε η πρόταση του Παναθηναϊκού»
- Κουτσούμπας εναντίον κυβέρνησης για αγρότες, Βενεζουέλα και ν/σ για τις Ένοπλες Δυνάμεις
- Ο Λανουά χάνει τη… σφυρίχτρα όταν δεν φέρνει Γερμανούς διαιτητές
- Το ChatGPT λανσάρει υπηρεσία υγείας, καλεί τους χρήστες να ανεβάσουν τους ιατρικούς φακέλους τους
- «Είχαμε φτώχεια. Θυμάμαι δεν φορούσα παπούτσια»: Συγκινεί η Έφη Θώδη μιλώντας για τα παιδικά της χρόνια
- «Φρένο» στον Τραμπ θέλει να βάλει η Γερουσία των ΗΠΑ, μπλοκάροντας νέα στρατιωτική επέμβαση στη Βενεζουέλα
- Αγρίνιο: Άνδρας εισέβαλε στο δημαρχείο επιτέθηκε στον δήμαρχο και δάγκωσε υπάλληλο
- Ένοχος για υπόθεση παιδικής πορνογραφίας Άγγλος πρώην διαιτητής της Premier League
Ακολουθήστε το in.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις






![S&P: Παραμένουν οι εξωτερικές ανισορροπίες στην Ελλάδα [γραφήματα]](https://www.ot.gr/wp-content/uploads/2025/12/Greek-Economic-Sentiment-1024x638-2-300x300.jpg)

![Άκρως Ζωδιακό: Τα Do’s και Don’ts στα ζώδια σήμερα [Πέμπτη 08.01.2026]](https://www.in.gr/wp-content/uploads/2026/01/bent-hertema-HuhBWIfw4Kg-unsplash-315x220.jpg)

















































































Αριθμός Πιστοποίησης Μ.Η.Τ.232442