يتنبأ الذكاء الاصطناعي في جامعة ستانفورد بمخاطر الأمراض من ليلة واحدة من النوم

قد تحتوي ليلة واحدة من النوم على أدلة خفية تتنبأ بالأمراض الكبرى قبل سنوات من حدوثها.

عادة ما تؤدي ليلة النوم السيئة إلى الشعور بالترنح في اليوم التالي، ولكنها قد تشير أيضًا إلى مشاكل صحية خطيرة قبل ظهورها بسنوات. طور الباحثون في جامعة ستانفورد للطب علاجًا جديدًا الذكاء الاصطناعي نظام يمكنه تحليل إشارات الجسم التفصيلية من ليلة واحدة من النوم وتقدير خطر إصابة الشخص بأكثر من 100 مرض مختلف.

تم تدريب النظام، المسمى SleepFM، باستخدام ما يقرب من 600000 ساعة من تسجيلات النوم لحوالي 65000 شخص. جاءت هذه التسجيلات من تخطيط النوم، وهو اختبار نوم متعمق يستخدم أجهزة استشعار لتتبع نشاط الدماغ، وإيقاعات القلب، وأنماط التنفس، وحركات العين، وحركة الساق، والإشارات الفسيولوجية الأخرى طوال الليل.

دراسات النوم كمورد بيانات مخفي

يعتبر تخطيط النوم على نطاق واسع الطريقة الأكثر موثوقية لدراسة النوم، وعادة ما يتم إجراؤه بين عشية وضحاها في مختبرات متخصصة. وبعيدًا عن تشخيص اضطرابات النوم، أدرك الباحثون أن هذه الاختبارات تلتقط كمية غير عادية من المعلومات حول كيفية عمل الجسم على مدار عدة ساعات متواصلة.

وقال إيمانويل مينوت، دكتوراه في الطب، وأستاذ كريج رينولدز في طب النوم والمؤلف الرئيسي المشارك للدراسة الجديدة، التي ستنشر اليوم (6 يناير): “إننا نسجل عددًا مذهلاً من الإشارات عندما ندرس النوم”. طب الطبيعة. “إنه نوع من علم وظائف الأعضاء العام الذي ندرسه لمدة ثماني ساعات على موضوع أسير تمامًا. إنه غني جدًا بالبيانات.”

وحتى الآن، لم يتم استخدام الكثير من هذه المعلومات. يركز طب النوم التقليدي على مجموعة فرعية محدودة من الإشارات، مما يترك أجزاء كبيرة غير مستكشفة. لقد أتاح التقدم في الذكاء الاصطناعي تحليل تدفق البيانات الكامل هذا لأول مرة. ووفقا للباحثين، فهذه هي الدراسة الأولى التي تطبق الذكاء الاصطناعي على بيانات النوم على هذا النطاق الواسع.

“من منظور الذكاء الاصطناعي، لم يتم دراسة النوم نسبيًا. هناك الكثير من أعمال الذكاء الاصطناعي الأخرى التي تبحث في علم الأمراض أو أمراض القلب، ولكن القليل نسبيًا يبحث في النوم، على الرغم من كون النوم جزءًا مهمًا من الحياة”، قال جيمس زو، دكتوراه، أستاذ مشارك في علوم البيانات الطبية الحيوية ومؤلف مشارك كبير في الدراسة.

تدريس الذكاء الاصطناعي لفهم النوم

ولإطلاق العنان لقيمة هذه البيانات، قام الفريق ببناء نموذج أساسي، وهو نوع من الذكاء الاصطناعي يمكنه تعلم الأنماط العامة من مجموعات البيانات الضخمة ومن ثم تكييفها مع العديد من المهام المختلفة. تستخدم النماذج اللغوية الكبيرة مثل ChatGPT هذا النهج نفسه، باستثناء أنها يتم تدريبها على النص بدلاً من الإشارات البيولوجية.

تم تدريب SleepFM على 585000 ساعة من بيانات تخطيط النوم التي تم جمعها من المرضى في عيادات النوم المتعددة. وتم تقسيم كل تسجيل إلى مقاطع مدتها خمس ثوانٍ، على غرار كيفية استخدام الكلمات لتدريب نماذج اللغة.

قال زو: “إن تطبيق SleepFM يتعلم بشكل أساسي لغة النوم”.

ويحلل النموذج تدفقات متعددة من البيانات في وقت واحد، بما في ذلك موجات الدماغ، وإشارات القلب، ونشاط العضلات، وقياسات النبض، وتدفق هواء التنفس، ويتعلم كيفية تفاعل هذه الإشارات. ولجعل ذلك ممكنًا، صمم الباحثون طريقة تدريب جديدة تسمى التعلم المتباين الذي يتم تركه لمرة واحدة. يزيل هذا الأسلوب مؤقتًا نوعًا واحدًا من الإشارة ويطلب من النموذج إعادة بنائها باستخدام البيانات المتبقية.

وقال زو: “أحد التطورات التقنية التي حققناها في هذا العمل هو معرفة كيفية تنسيق جميع طرائق البيانات المختلفة هذه حتى يتمكنوا من الاجتماع معًا لتعلم نفس اللغة”.

من أنماط النوم إلى مخاطر الأمراض

وبمجرد الانتهاء من التدريب، اختبر الباحثون تطبيق SleepFM على المهام المألوفة المتعلقة بالنوم. حدد النموذج بدقة مراحل النوم وقام بتقييم شدة انقطاع التنفس أثناء النوم، مما يطابق أو يتجاوز أداء الأنظمة الرائدة المستخدمة حاليًا.

ثم انتقلوا بعد ذلك إلى اختبار أكثر طموحًا: التنبؤ بالأمراض التي قد تتطور في المستقبل بناءً على بيانات النوم وحدها. وللقيام بذلك، ربطوا تسجيلات النوم بالتاريخ الطبي طويل الأمد لنفس المرضى. تمكن الباحثون من الوصول إلى عقود من السجلات من عيادة واحدة، مما أتاح فرصة نادرة لدراسة النتائج طويلة المدى.

تأسس مركز ستانفورد لطب النوم في عام 1970 على يد الراحل ويليام ديمينت، الحاصل على دكتوراه في الطب، والذي يُنظر إليه على نطاق واسع باعتباره أب طب النوم. وتضمنت أكبر مجموعة تم استخدامها لتدريب SleepFM حوالي 35000 مريض تتراوح أعمارهم بين 2 و96 عامًا. وقد تم تسجيل دراسات نومهم بين عامي 1999 و2024 وتمت مطابقتها مع السجلات الصحية الإلكترونية التي تابعت بعض المرضى لمدة تصل إلى 25 عامًا.

(تعود تسجيلات تخطيط النوم في العيادة إلى أبعد من ذلك، ولكن على الورق فقط، كما قال ميننو، الذي أدار مركز النوم من عام 2010 إلى عام 2019).

باستخدام مجموعة البيانات المجمعة هذه، قامت شركة SleepFM بفحص أكثر من 1000 فئة مرضية وحددت 130 حالة يمكن التنبؤ بها بنتائج معقولة. دقة من بيانات النوم وحدها. وشوهدت أقوى التنبؤات فيما يتعلق بالسرطان ومضاعفات الحمل وأمراض الدورة الدموية واضطرابات الصحة العقلية، حيث تجاوزت درجات الأداء مؤشر C البالغ 0.8.

قياس دقة التنبؤ

يقيس مؤشر C، أو مؤشر التوافق، مدى قدرة النموذج على تصنيف الأفراد حسب المخاطر. إنه يعكس عدد المرات التي يتنبأ فيها النموذج بشكل صحيح بأي من الشخصين سيواجه حدثًا صحيًا أولاً.

قال زو: “بالنسبة لجميع الأزواج المحتملة من الأفراد، يعطي النموذج تصنيفًا لمن هم أكثر عرضة للتعرض لحدث ما – نوبة قلبية، على سبيل المثال – في وقت سابق. ويعني مؤشر C البالغ 0.8 أن تنبؤات النموذج تتوافق في 80٪ من الحالات مع ما حدث بالفعل”.

أظهر SleepFM نتائج قوية بشكل خاص لمرض باركنسون (مؤشر C 0.89)، والخرف (0.85)، وأمراض القلب وارتفاع ضغط الدم (0.84)، والنوبات القلبية (0.81)، وسرطان البروستاتا (0.89)، وسرطان الثدي (0.87)، والوفاة (0.84).

قال زو: “لقد فوجئنا بسرور بأنه في ظل مجموعة متنوعة جدًا من الظروف، أصبح النموذج قادرًا على تقديم تنبؤات مفيدة”.

وأضاف زو أن النماذج ذات الدقة الأقل، والتي غالبًا ما تكون حول مؤشر C يبلغ 0.7، تُستخدم بالفعل في الرعاية السريرية، مثل الأنظمة التي تتنبأ بكيفية استجابة المرضى لبعض علاجات السرطان.

فهم التوقعات

يركز فريق البحث الآن على تحسين دقة SleepFM وفهم كيفية وصوله إلى استنتاجاته. قد تتضمن الإصدارات المستقبلية بيانات من الأجهزة القابلة للارتداء لالتقاط المزيد من المعلومات حول الحياة اليومية وعادات النوم.

قال زو: “هذا لا يشرح لنا ذلك باللغة الإنجليزية”. “لكننا طورنا تقنيات تفسير مختلفة لمعرفة ما ينظر إليه النموذج عندما يقوم بالتنبؤ بمرض معين.”

بينما لعبت الإشارات المرتبطة بالقلب دوراً أكبر في التنبؤ أمراض القلب والأوعية الدمويةوكانت إشارات الدماغ أكثر تأثيرًا على حالات الصحة العقلية، ووجد الباحثون أنه لا توجد إشارة واحدة كافية بمفردها. وجاءت التوقعات الأكثر دقة من الجمع بين جميع مصادر البيانات.

وقال ميننو: “معظم المعلومات التي حصلنا عليها للتنبؤ بالمرض كانت من خلال مقارنة القنوات المختلفة”. يبدو أن مكونات الجسم التي كانت غير متزامنة – على سبيل المثال، الدماغ الذي يبدو نائمًا والقلب الذي يبدو مستيقظًا – تثير المشاكل.

المرجع: “نموذج أساس النوم متعدد الوسائط للتنبؤ بالمرض” 6 يناير 2026، طب الطبيعة.
دوى: 10.1038/s41591-025-04133-4

راهول ثابا، طالب دكتوراه في علوم البيانات الطبية الحيوية، وماغنوس رود كيير، طالب دكتوراه في الجامعة التقنية في الدنمارك، هما المؤلفان الرئيسيان للدراسة.

ساهم في هذا العمل باحثون من الجامعة التقنية في الدنمارك، ومستشفى جامعة كوبنهاجن – ريجشوسبيتاليت، وBioSerenity، وجامعة كوبنهاجن، وكلية الطب بجامعة هارفارد.

حصلت الدراسة على تمويل من المعاهد الوطنية للصحة (منحة R01HL161253)، وعلماء نايت هينيسي، وتشان زوكربيرج Biohub.

لا تفوت أي اختراق: انضم إلى النشرة الإخبارية SciTechDaily.
تابعونا على جوجل و أخبار جوجل.