Forscher der Icahn School of Medicine haben ein leistungsstarkes KI-Tool entwickelt, das auf derselben Transformatorarchitektur basiert, die auch von großen Sprachmodellen wie ChatGPT verwendet wird, um eine ganze Nacht Schlaf zu verarbeiten. Bis heute ist es eine der größten Studien, die 1.011.192 Stunden Schlaf analysiert. Das Modell, das als „Patch-Foundational-Transformer for Sleep (PFTSleep)“ bezeichnet wird, analysiert Gehirnwellen, Muskelaktivität, Herzfrequenz und Atmungsmuster, um Schlafphasen effektiver als herkömmliche Methoden zu klassifizieren, die Schlafanalyse zu optimieren, die Variabilität zu reduzieren und zukünftige klinische Instrumente zur Erkennung von Schlafstörungen und anderen Gesundheitsrisiken zu unterstützen. Details zu ihren Ergebnissen wurden in der Online-Ausgabe der Zeitschrift „Sleep“ veröffentlicht.

Mögliche Bereiche, in denen KI Anwendung finden kann

Künstliche Intelligenz kann einen bedeutenden Beitrag auf dem Gebiet der Schlafmedizin zu leisten. KI im Bereich des Schlafs hat in drei Schlüsselbereichen potenzielle Einsatzmöglichkeiten:

• Klinische Anwendungen: Im klinischen Bereich bieten KI-gesteuerte Technologien eine umfassende Datenanalyse, differenzierte Mustererkennung und Automatisierung bei der Diagnose, während gleichzeitig chronische Probleme wie schlafbezogene Atmungsstörungen behandelt werden. Trotz bescheidener Anfänge kann der Einsatz von KI zu Verbesserungen bei der Effizienz und beim Patientenzugang führen, was zu einer Verringerung des Burnouts bei medizinischen Fachkräften beitragen kann.
• Lebensstilmanagement: Die Integration von KI bietet auch klare Vorteile für das Lebensstilmanagement durch den Einsatz von Verbraucher-Schlaftechnologie. Diese Geräte gibt es in verschiedenen Formen, wie Fitnessarmbänder, Smartphone-Apps und Smart Rings, und sie tragen durch Nachverfolgung, Bewertung und Verbesserung zu einer besseren Schlafgesundheit bei. Tragbare Schlaf-Technologie und datengestützte Empfehlungen für den Lebensstil können Patienten in die Lage versetzen, eine aktive Rolle bei der Bewältigung ihrer Gesundheit zu übernehmen, wie eine kürzlich durchgeführte AASM-Umfrage zeigt, in der 68 % der Erwachsenen, die einen Schlaftracker verwendet haben, angaben, ihr Verhalten aufgrund der gewonnenen Erkenntnisse geändert zu haben. Da diese KI-gesteuerten Anwendungen jedoch immer intuitiver werden, ist ein kontinuierlicher Dialog zwischen Patienten und Klinikern über das Potenzial und die Grenzen dieser Innovationen nach wie vor von entscheidender Bedeutung.
• Bevölkerungsgesundheit: Über die individuelle Versorgung hinaus eröffnet KI-Technologie einen neuen Ansatz für die öffentliche Gesundheit in Bezug auf den Schlaf. KI hat das spannende Potenzial, Umwelt-, Verhaltens- und physiologische Daten zu synthetisieren, zu fundierten Interventionen auf Bevölkerungsebene beizutragen und bestehende Lücken in der Gesundheitsversorgung zu schließen.

Neuartige Technik optimiert die Schlafanalyse und unterstützt zukünftige klinische Instrumente zur Erkennung von Schlafstörungen und anderen Gesundheitsrisiken

Aktuelle Schlafanalysen stützen sich oft auf menschliche Experten, die kurze Segmente von Schlafdaten manuell auswerten, oder auf KI-Modelle, die nicht in der Lage sind, die gesamte Nacht eines Patienten zu analysieren. Dieser neue Ansatz, der auf der Grundlage von Tausenden von Schlafaufzeichnungen entwickelt wurde, bietet einen umfassenderen Überblick. Durch das Training mit Schlafdaten in voller Länge kann das Modell Schlafmuster während der gesamten Nacht und über verschiedene Bevölkerungsgruppen und Umgebungen hinweg erkennen und bietet eine standardisierte und skalierbare Methode für die Schlafforschung und den klinischen Einsatz, so die Forscher. „Dies ist ein Fortschritt in der KI-gestützten Schlafanalyse und -interpretation“, sagt der Erstautor Benjamin Fox, Doktorand an der Icahn School of Medicine am Mount Sinai im Ausbildungsbereich für Künstliche Intelligenz und Neue Technologien. Durch den Einsatz von KI auf diese Weise können relevante klinische Merkmale direkt aus den Signaldaten von Schlafstudien abgeleitet werden, um sie für die Schlafbewertung und in Zukunft für andere klinische Anwendungen wie die Erkennung von Schlafapnoe oder die Bewertung von Gesundheitsrisiken im Zusammenhang mit der Schlafqualität nutzen.

Das Modell wurde auf der Grundlage eines umfangreichen Datensatzes von Schlafstudien (Polysomnogrammen) erstellt, die wichtige physiologische Signale messen, darunter Gehirnaktivität, Muskeltonus, Herzfrequenz und Atmungsmuster. Im Gegensatz zu herkömmlichen KI-Modellen, die nur kurze 30-Sekunden-Segmente analysieren, berücksichtigt dieses neue Modell die gesamte Nacht des Schlafs und erfasst detailliertere und nuanciertere Muster. Darüber hinaus wird das Modell durch eine Methode trainiert, die als Selbstüberwachung bekannt ist und dabei hilft, relevante klinische Merkmale aus physiologischen Signalen zu lernen, ohne dass Ergebnisse von Menschen gekennzeichnet werden müssen. „Unsere Ergebnisse deuten darauf hin, dass KI die Art und Weise, wie wir den Schlaf untersuchen und verstehen, verändern könnte“, sagt der Co-Senior-Korrespondenzautor Ankit Parekh, PhD, Assistenzprofessor für Medizin (Lungen-, Intensiv- und Schlafmedizin) an der Icahn School of Medicine am Mount Sinai und Direktor der Sleep and Circadian Analysis Group am Mount Sinai. “

Das nächste Ziel der Forscher bestehe darin, die Technologie für klinische Anwendungen zu verfeinern, beispielsweise um schlafbezogene Gesundheitsrisiken effizienter zu identifizieren. Die Forscher betonen, dass dieses KI-Tool zwar vielversprechend ist, aber keine klinische Expertise ersetzen kann. Stattdessen soll es als leistungsstarke Hilfe für Schlafspezialisten dienen und dazu beitragen, die Schlafanalyse zu beschleunigen und zu standardisieren. Als Nächstes will das Team seine Forschung darauf ausrichten, die Möglichkeiten über die Klassifizierung von Schlafphasen hinaus auf die Erkennung von Schlafstörungen und die Vorhersage von gesundheitlichen Folgen auszuweiten.