I ricercatori della Icahn School of Medicine hanno sviluppato un potente strumento di intelligenza artificiale basato sulla stessa architettura di trasformazione utilizzata da grandi modelli linguistici come ChatGPT per elaborare un’intera notte di sonno. Ad oggi, si tratta di uno degli studi più ampi, che ha analizzato 1.011.192 ore di sonno. Il modello, chiamato Patch-Foundational-Transformer for Sleep (PFTSleep), analizza le onde cerebrali, l’attività muscolare, la frequenza cardiaca e i modelli di respirazione per classificare le fasi del sonno in modo più efficace rispetto ai metodi convenzionali, ottimizzare l’analisi del sonno, ridurre la variabilità e supportare i futuri strumenti clinici per individuare i disturbi del sonno e altri rischi per la salute. I dettagli dei risultati sono stati pubblicati nell’edizione online della rivista “Sleep”.

Potenziali aree di applicazione dell’intelligenza artificiale

L’intelligenza artificiale può dare un contributo significativo al campo della medicina del sonno. L’intelligenza artificiale nel campo del sonno ha applicazioni potenziali in tre aree chiave:

• Applicazioni cliniche: In ambito clinico, le tecnologie guidate dall’IA forniscono un’analisi completa dei dati, un sofisticato riconoscimento dei modelli e l’automazione della diagnosi, affrontando contemporaneamente problemi cronici come i disturbi respiratori del sonno. Nonostante gli inizi modesti, l’uso dell’IA può portare a miglioramenti nell’efficienza e nell’accesso ai pazienti, contribuendo a ridurre il burnout degli operatori sanitari.
• Gestione dello stile di vita: L’integrazione dell’IA offre anche chiari vantaggi per la gestione dello stile di vita attraverso l’uso di tecnologie del sonno di consumo. Questi dispositivi sono disponibili in varie forme, come fitness tracker, app per smartphone e anelli intelligenti, e contribuiscono a migliorare la salute del sonno tracciando, valutando e migliorando il sonno. La tecnologia del sonno indossabile e le raccomandazioni sullo stile di vita basate sui dati possono consentire ai pazienti di assumere un ruolo attivo nella gestione della propria salute, come evidenziato da un recente sondaggio dell’AASM in cui il 68% degli adulti che hanno utilizzato un sleep tracker ha dichiarato di aver modificato il proprio comportamento in base alle conoscenze acquisite. Tuttavia, man mano che queste applicazioni guidate dall’intelligenza artificiale diventano sempre più intuitive, il dialogo continuo tra pazienti e medici sulle potenzialità e i limiti di queste innovazioni rimane fondamentale.
• Salute della popolazione: Al di là del contesto di cura individuale, la tecnologia AI sta aprendo un nuovo approccio alla salute pubblica in relazione al sonno. L’IA ha l’eccitante potenziale di sintetizzare i dati ambientali, comportamentali e fisiologici, contribuendo a interventi informati a livello di popolazione e affrontando le lacune esistenti nell’assistenza sanitaria.

Una nuova tecnica ottimizza la valutazione del sonno e supporta i futuri strumenti clinici per individuare i disturbi del sonno e altri rischi per la salute

L’attuale valutazione del sonno si basa spesso su esperti umani che valutano manualmente brevi segmenti di dati sul sonno o su modelli di intelligenza artificiale che non sono in grado di analizzare l’intera notte di un paziente. Questo nuovo approccio, sviluppato sulla base di migliaia di registrazioni del sonno, fornisce una visione più completa. Addestrato su dati di sonno completi, il modello è in grado di rilevare i modelli di sonno per tutta la notte e in diverse popolazioni e ambienti, fornendo un metodo standardizzato e scalabile per la ricerca sul sonno e l’uso clinico, dicono i ricercatori. “Si tratta di un passo avanti nella valutazione e nell’interpretazione del sonno da parte dell’intelligenza artificiale”, afferma il primo autore Benjamin Fox, dottorando presso la Icahn School of Medicine del Mount Sinai nel Training Program in Artificial Intelligence and Emerging Technologies. Utilizzando l’intelligenza artificiale in questo modo è possibile dedurre direttamente le caratteristiche cliniche rilevanti dai dati del segnale dello studio del sonno per utilizzarle nel punteggio del sonno e, in futuro, in altre applicazioni cliniche come il rilevamento dell’apnea notturna o la valutazione del rischio per la salute legato alla qualità del sonno.

Il modello è stato addestrato su un ampio set di dati di studi del sonno (polisonnogrammi), che misurano segnali fisiologici chiave come l’attività cerebrale, il tono muscolare, la frequenza cardiaca e i modelli di respirazione. A differenza dei modelli AI convenzionali che analizzano solo brevi segmenti di 30 secondi, questo nuovo modello considera l’intera notte di sonno, cogliendo modelli più dettagliati e ricchi di sfumature. Inoltre, il modello è addestrato con un metodo noto come auto-supervisione, che aiuta ad apprendere le caratteristiche cliniche rilevanti dai segnali fisiologici senza la necessità di un’etichettatura umana dei risultati. “I nostri risultati suggeriscono che l’intelligenza artificiale potrebbe trasformare il modo in cui esaminiamo e comprendiamo il sonno”, afferma il co-autore corrispondente Ankit Parekh, PhD, professore assistente di medicina (medicina polmonare, critica e del sonno) presso la Icahn School of Medicine del Mount Sinai e direttore del gruppo di analisi del sonno e circadiana del Mount Sinai. ”

Il prossimo obiettivo dei ricercatori è quello di perfezionare la tecnologia per applicazioni cliniche, ad esempio per identificare in modo più efficiente i rischi per la salute legati al sonno. I ricercatori sottolineano che questo strumento di intelligenza artificiale, pur essendo promettente, non può sostituire le competenze cliniche. Al contrario, è stato progettato per essere un valido aiuto per gli specialisti del sonno e per contribuire a velocizzare e standardizzare l’analisi del sonno. In seguito, il team prevede di indirizzare la ricerca verso l’espansione delle capacità al di là della classificazione degli stadi del sonno, fino al rilevamento dei disturbi del sonno e alla previsione degli esiti di salute.