Alvási nehézségek gyakran előznek meg szívbetegségeket, pszichiátriai rendellenességeket és sok más bajt. Amerikai és dán kutatók alvásvizsgálatok során gyűjtött adatokat használtak fel ilyen állapotok kimutatására.
Az általuk fejlesztett SleepFM rendszer az Alzheimer- és a Parkinson-kórt, a prosztatarákot, a stroke-ot, szívelégtelenséget és sok más állapotot akár hat évvel a tünetek megjelenése előtt osztályoz alvás közbeni életjelek alapján.

A rendszer konvolúciós neurális hálózatot (CNN), transzformert és hosszú-rövidtávú memóriát, egy speciális neurális hálót (LSTM) tartalmaz. A kutatók két lépésben gyakoroltatták: alvási adatok mintázatainak kódolására és betegségek osztályozására. A tanulóadatok nagyjából 585 ezer órányi alvásvizsgálati felvételből álltak, amelyek az egyes betegek életkora és neme mellett az agy, a szív, a légzőrendszer (légáramlás, horkolás és vér oxigénszintje) és a lábizmok aktivitásának jeleit is tartalmazták. Az adatok többnyire zártkörűen kezeltek voltak, de nyilvános adatkészleteket is felhasználtak.
A CNN-t és a transzformert együtt trenírozták. A CNN ötpercnyi felvételből megtanulta az egyes jeltípusok beágyazását, miközben a transzformer módosította a beágyazásokat, hogy rögzítse az egy jeltípuson belüli időbeli kapcsolatokat. Mindkettőt arra ösztönözték, hogy hasonló beágyazásokat készítsenek az ugyanabban az időben készült alvásfelvételekből, és különböző beágyazásokat másokból.
Hozzáadták az LSTM-et, és kilencórányi alvásadat, valamint a vizsgálati alany életkora és neme alapján több mint ezer betegség osztályozására betanították.
A SleepFM teljesítményét saját fejlesztésű teszthalmazon a rendszeren előtanítás nélküli teljesítményével, valamint olyan egyszerű neurális hálózattal hasonlították össze, amelyet csak demográfiai információkon gyakoroltattak. Tizennégy általános betegségkategóriában a SleepFM lényegesen jobban teljesített az igazi és a hamis pozitívok megkülönböztetésében.
A kutatás is igazolni látszik azt a feltételezést, hogy a mesterséges intelligencia finom mintázatok felismerésére való képessége elképesztő lehetőségeket rejt az orvostudományban és azon túl is. Ebben az alkalmazásban korai figyelmeztetést adhat a súlyos betegségekről, lehetővé téve, hogy kialakulásuk előtt tegyünk lépéseket a megelőzésért.








