„Înregistrăm un număr uimitor de semnale când studiem somnul”, a declarat co-autorul Emmanuel Mignot, MD, PhD, profesor de medicină a somnului la Stanford. „Este o felie de fiziologie generală pe care o studiem timp de opt ore la un subiect complet captiv. Datele sunt foarte bogate.”
SleepFM este un model fundamental, un tip de sistem AI antrenat pe volume mari de date nelabelizate pentru a învăța modele generale care pot fi ulterior adaptate pentru diverse utilizări. Echipa de la Stanford și-a antrenat modelul folosind peste 585.000 de ore de date de polisomnografie de la aproximativ 65.000 de participanți care au efectuat studii de somn peste noapte la mai multe clinici de somn.
Polisomnografia, considerată standardul de aur pentru studiile de somn, capturează semnale fiziologice sincronizate, inclusiv activitatea cerebrală măsurată prin electroencefalografie și electrooculografie, ritmurile cardiace din electrocardiografie, activitatea musculară din electromiografie, fluxul respirator, nivelurile de oxigen, mișcările oculare și mișcările picioarelor.
„Somnul este un proces complex caracterizat de interacțiuni intricate între sistemele fiziologice, inclusiv creier, inimă, respirație și activitate musculară”, au scris cercetătorii. Deși polisomnografia capturează aceste interacțiuni, multe informații au rămas neutilizate din cauza dificultății de integrare și interpretare a mai multor fluxuri de date, precum și a dependenței de scorurile manuale.
Cu toate acestea, progresele în domeniul IA au făcut posibilă utilizarea cantității mari de date generate dintr-o singură noapte de somn. SleepFM a fost antrenat folosind o abordare auto-supervizată care nu se bazează pe scorurile manuale. Analizează datele prin împărțirea acestora în segmente de cinci secunde și derivă relații între mai multe canale fiziologice. O nouă metodă de antrenament numită învățare contrastivă cu excluderea unui element la un moment dat îi provoacă modelului să reconstruiască acea modalitate de date din celelalte semnale. Acest lucru permite SleepFM să armonizeze înregistrările heterogene și să gestioneze canalele de date lipsă.
„Unul dintre progresele tehnice pe care le-am făcut în acest studiu este de a înțelege cum să armonizăm toate aceste modalități diferite de date astfel încât să poată învăța același limbaj”, a spus James Zou, PhD, profesor asociat de științe biomedicale și co-autor principal. „SleepFM învață practic limbajul somnului.”
După pre-antrenament, cercetătorii au ajustat modelul pentru sarcini specifice.
Sursa: [Articol original](link)
Senior Editor RevistaSanatatii.ro. Pasionat de lifespan, fan David Sinclair.