חוקרים בבית הספר לרפואה Icahn פיתחו כלי AI רב עוצמה, שנבנה על אותה ארכיטקטורת שנאי המשמשת מודלים בשפה גדולה כמו ChatGpt, כדי לעבד שנת לילה שלמה. נכון להיום, זהו אחד המחקרים הגדולים ביותר, המנתחים 1,011,192 שעות שינה. פרטים על ממצאיהם דווחו ב -13 במרץ גיליון מקוון של היומן לִישׁוֹן (https://doi.org/10.1093/sleep/zsaf061).
המודל, המכונה שנאי יסוד Patch לשינה (PFTSLEEP), מנתח גלי מוח, פעילות שרירים, דופק דופק ודפוסי נשימה כדי לסווג שלבי שינה בצורה יעילה יותר משיטות מסורתיות, ייעול ניתוח שינה, הפחתת השונות ותמיכה בכלים קליניים עתידיים לגילוי הפרעות שינה וסיכוני בריאות אחרים.
ניתוח שינה נוכחי מסתמך לעתים קרובות על מומחים אנושיים המבקשים באופן ידני קטעים קצרים של נתוני שינה או באמצעות מודלים של AI שאינם מסוגלים לנתח את כל ליל השינה של המטופל. גישה חדשה זו, שפותחה באמצעות אלפי הקלטות שינה, נוקטת בתצוגה מקיפה יותר. על ידי אימונים על נתוני שינה באורך מלא, המודל יכול לזהות דפוסי שינה לאורך כל הלילה ובכל אוכלוסיות ומסגרות שונות, ומציע שיטה סטנדרטית וניתנת להרחבה למחקר שינה ושימוש קליני, אומרים החוקרים.
זהו צעד קדימה בניתוח ופרשנות שינה בסיוע AI. על ידי מינוף AI בדרך זו, אנו יכולים ללמוד תכונות קליניות רלוונטיות ישירות מנתוני אותות שינה ולהשתמש בהם לצורך ניקוד שינה, ובעתיד, יישומים קליניים אחרים כמו גילוי דום נשימה בשינה או הערכת סיכוני בריאות הקשורים לאיכות שינה. "
בנימין פוקס, סופר ראשון, מועמד לתואר שלישי בבית הספר לרפואה של איקאהן בהר סיני בתחום ההדרכה של הבינה המלאכותית והטכנולוגיות המתעוררות
המודל נבנה באמצעות מערך נתונים גדול של מחקרי שינה (פוליסומנוגרם) המודדים אותות פיזיולוגיים מרכזיים, כולל פעילות מוחית, טונוס שרירים, דופק ודפוסי נשימה. בניגוד לדגמי AI מסורתיים, המנתחים רק קטעים קצרים, 30 שניות, מודל חדש זה שוקל את כל ליל השינה, ולוכד דפוסים מפורטים וניואנסים יותר. יתרה מזאת, המודל מאומן בשיטה המכונה פגיעה עצמית, המסייעת ללמוד תכונות קליניות רלוונטיות מאותות פיזיולוגיים מבלי להשתמש בתוצאות שכותרות אנושיות.
"הממצאים שלנו מראים כי AI יכול לשנות את האופן בו אנו לומדים ולהבין שינה", אומר הסופר המשותף המקביל אנקיט פרך, דוקטורט, עוזר פרופסור לרפואה (ריאה, טיפול ביקורתי ורפואת שינה) בבית הספר לרפואה איקאהן בהר סיני, ומנהל קבוצת הניתוח השינה והקרדיאן בהר סיני. "המטרה הבאה שלנו היא לשכלל את הטכנולוגיה ליישומים קליניים, כמו זיהוי סיכוני בריאות הקשורים לשינה בצורה יעילה יותר."
החוקרים מדגישים כי כלי AI זה, למרות שהוא מבטיח, לא יחליף את המומחיות הקלינית. במקום זאת, זה ישמש כעזר רב עוצמה למומחי שינה, ויעזור להאיץ ולסטנדרטיזציה של ניתוח שינה. בשלב הבא, המחקר של הצוות נועד להרחיב את יכולותיו מעבר לסיווג שלב שינה לגילוי הפרעות שינה ולחיזוי תוצאות בריאותיות.
"לגישה זו מונעת AI יש פוטנציאל לחולל מהפכה במחקר שינה", אומר הסופר המשותף לתואם, ג'יריש נדקרני, MD, MPH, יו"ר המחלקה לווינדרייך למודיעין מלאכותי ובריאות אדם בבית הספר לרפואה ICAHN, מנהל מכון האסו פלאטנר לבריאות דיגיטלית– והפרופסור לרפואה של איירין וד"ר ארתור מ. פיגברג. ד"ר נדקרני הוא גם ראש הפתיחה של המחלקה לרפואה מונעת נתונים ודיגיטלית ומנהל משותף של מרכז הבינה הקליני של הר סיני. "על ידי ניתוח לילות שלמים של שינה עם עקביות רבה יותר, אנו יכולים לחשוף תובנות עמוקות יותר לבריאות השינה ועל הקשר שלה לרווחה הכללית."
העיתון נקרא "שנאי יסודי ממנף לילה מלא, נתוני לימוד שינה רב -ערוצי מסווג במדויק שלבי שינהו"
מחברי המחקר, כמפורט בכתב העת, הם בנג'מין פוקס, ג'וי ג'יאנג, סג'ילה וויקראמראטנה, פטרישיה קובאץ ', מייט סוארס-פרינאס, ניומי א. שאה, אנקיט פרך וג'ירש נדקרני.
