طرق الدراسة والبيانات
تعلن جامعة ستانفورد عن تدريب نظام ذكاء اصطناعي على فهم لغة النوم بغرض التنبؤ بمخاطر الأمراض لدى المرضى. اعتمد البحث على بيانات نوم وصلت إلى نحو 580 ألف ساعة من 65 ألف مريض خلال الفترة بين 1999 و2024، مستمدة من عيادات النوم. قسمت هذه التسجيلات إلى مقاطع زمنية تبلغ خمس ثوانٍ واستُخدمت كـ”وحدات” تدريبية للنموذج.
كما استخدم الباحثون سجلات صحية فردية للمرضى المتابعين في عيادة تخصصية بالنوم لتعزيز قدرة النموذج على التنبؤ بالأمراض المستقبلية. صاغ الباحثون مفهوم SleepFM باعتباره لغتين: النوم كمتسلسلة من الإشارات الحيوية وكلماته المفاتيح التي تتيح للنموذج بناء تمثيل مفاهيمي لجودة النوم. يعمل SleepFM على تحليل نشاط الدماغ ومعدل ضربات القلب وإشارات التنفس وحركات الساقين والعينين خلال النوم لتقييم مخاطر العلل المحتملة.
نتائج النموذج ودقته
أظهر النموذج دقة لا تقل عن 80% في التنبؤ بظهور مرض باركنسون والزهايمر والخرف وأمراض القلب الناتجة عن ارتفاع ضغط الدم والنوبة القلبية وسرطان البروستاتا وسرطان الثدي. كما كان قادرًا على توقع احتمال وفاة المريض في نحو 84% من الحالات وفق بيانات الدراسة. ومع ذلك، ظهرت انخفاضات نسبية في الدقة حين تم التنبؤ بأمراض الكلى المزمنة والسكتة الدماغية واضطراب نظم القلب في نحو 78% من الحالات.
وشرح الباحثون أن إدماج مجموعة من المؤشرات شمل إشارات جسدية غير متزامنة قد يكون مفتاحاً للدقة، حيث تظهر إشارات الدماغ أثناء النوم أحياناً على نحو غير متزامن مع القلب أو التنفس كإشارات تنبئية. وأوضح إيمانويل مينيو أن النوم يتيح تسجيل عدد هائل من المؤشرات الحيوية وهي دراسة واسعة لعلم وظائف الأعضاء خلال ثماني ساعات من المراقبة لشخص يخضع للدراسة. وتؤكد النتائج أن الدمج بين أنواع البيانات المختلفة يعزز التنبؤات، في حين قد تكون إشارات غير متزامنة مؤشرات تحذير مبكرة.
التطبيقات والقيود
أعلنت الجامعة أنها ستضيف بيانات من الأجهزة القابلة للارتداء إلى قاعدة SleepFM لتحسين دقة التنبؤات. وأشار الباحثون إلى أن الدراسة اقتصرت على أشخاص يشتبه بإصابتهم بمشاكل صحية لأنهم شاركوا في تجارب عيادات النوم، وهو ما يعني أن العينة لا تمثل القدرة العامة للذكاء الاصطناعي على رصد الأمراض لدى السكان بشكل عام. وتؤكد النتائج أهمية الجمع بين مختلف أنواع البيانات لتقديم تنبؤات أكثر دقة وتكشف أن الإشارات غير المتزامنة قد تكون مؤشرات تنبيه مبكرة.
