Stanford-Forschende brachten einer KI die „Sprache des Schlafs“ bei. Sie sagt Risiken für über 100 Erkrankungen bei Patientinnen und Patienten voraus.
Ein neues KI-Modell kann anhand der Schlafqualität erkennen, ob eine Person gefährdet ist, mehr als hundert Erkrankungen zu entwickeln.
SleepFM, ein großes Sprachmodell (LLM) der Stanford University in Kalifornien, erfasst während des Schlafs Hirnaktivität, Herzfrequenz, Atemsignale, Beinbewegungen und Augenbewegungen. Aus diesen Signalen bewertet es das Krankheitsrisiko.
In einer neuen Studie in Nature, trainierten Forschende das KI-Modell mit mehr als 580.000 Stunden Schlafdaten. Sie stammen von 65.000 Patientinnen und Patienten aus den Jahren 1999 bis 2024.
Die Daten kamen aus Schlafkliniken, also medizinischen Einrichtungen, die nächtliche Schlafmuster untersuchen. Sie wurden in Fünf-Sekunden-Abschnitte zerlegt, die wie „Wörter“ für das Training des LLM dienten.
„SleepFM lernt im Grunde die Sprache des Schlafs“, sagte James Zou, außerordentlicher Professor für biomedizinische Datenwissenschaft in Stanford und Mitautor der Studie.
Die Forschenden ergänzten diese Daten um die individuellen Gesundheitsakten der Schlafklinik-Patientinnen und -Patienten, um SleepFM auf die Vorhersage zukünftiger Krankheiten zu trainieren.
Bei Vorhersagen zu Parkinson, Alzheimer, Demenz, hypertensiver Herzkrankheit, Herzinfarkt sowie Prostata- und Brustkrebs lag das KI-Modell in mindestens 80 Prozent der Fälle richtig. Den Tod eines Patienten sagte es in 84 Prozent der Fälle korrekt voraus.
Weniger treffsicher war es bei chronischer Nierenerkrankung, Schlaganfall und Herzrhythmusstörungen, also unregelmäßigem Herzschlag. Diese erkannte es in mindestens 78 Prozent der Fälle.
„Bei der Schlafforschung erfassen wir eine beeindruckende Zahl an Signalen“, sagte Emmanuel Mignot, Professor für Schlafmedizin in Stanford. „Wir beobachten acht Stunden am Stück allgemeine Körperfunktionen an einer Person, die währenddessen im Schlaflabor bleibt. Das ist extrem datenreich.“
Die Autorinnen und Autoren der Studie betonen: Erst die Kombination aller Daten führte zu den präzisesten Vorhersagen. Wenn Körpersignale nicht im Einklang sind, etwa ein schlafendes Gehirn und ein „waches“ Herz, ist das ein Warnzeichen.
Stanford will als Nächstes Daten aus Wearables in die SleepFM-Datenbank einspeisen. Das soll die Vorhersagen weiter verbessern.
Die Forschenden weisen darauf hin, dass ihre Studie nur Personen einbezog, die wegen vermuteter Gesundheitsprobleme an Schlafklinik-Tests teilnahmen. Die Stichprobe ist daher nicht repräsentativ dafür, wie gut die KI Krankheiten in der Allgemeinbevölkerung erkennt.