В эпоху быстрых технологий индустрия сна сталкивается с парадоксом: несмотря на огромные массивы данных, которые собираются в клиниках, их используют только для диагностики базовых нарушений. Исследователи из Стэнфорда решили изменить этот статус-кво, создав SleepFM Clinical — модель, способную делать долгосрочные прогнозы заболеваний на основе ночных записей.
Проект опубликован в журнале Nature Medicine и сопровождается открытым исходным кодом на GitHub под лицензией MIT. Модель анализирует полисомнографию — комплекс данных о мозговой активности, дыхании, сердечном ритме и других физиологических показателях, записанных за ночь. Эти данные, представляющие собой плотные временные ряды, модель обучает на почти 600 тысячах часов записей 65 тысяч человек.
Почему это важно сейчас
Проблема — во множестве разрозненных данных и несовершенстве алгоритмов, которые не учитывают многоканальность. В результате системы работают плохо с «хрупкими» и разнородными записями, характерными для реальных лабораторий. Но вот что интересно: модель использует архитектуру с конволюционным основанием и трансформером, умеющим работать с пропущенными каналами, что делает предсказания более устойчивыми.
Ключевые уроки и новшества
- Модель обучается взамиотношению сигналов (multimodal alignment) — помогает распознать паттерны, которые так и не заметны при обычном анализе.
- Перед тренировкой backbone заморожен — всё обучение идёт на голове, что позволяет использовать модель для разных задач, например, для классификации сна или оценки тяжести апноэ.
- Для предсказания риска заболеваний Night-level embedding агрегируется в Patient-level, всё дополняется демографией, и далее — модель оценивает вероятность заболеваний, включая рак, инсульты, диабет и даже риски смерти.
Тесты показывают, что новая модель превосходит традиционные подходы, основанные только на демографических данных и простых алгоритмах. Она улавливает физиологические нюансы, которые могут свидетельствовать о скрытых заболеваниях. За счёт этого врачи получают мощный инструмент для профилактики и ранней диагностики.
Куда движется индустрия
Очевидно, что будущее — не ограничиваться лишь диагностикой, а переходить к прогнозированию. По мере развития технологий такие модели станут стандартом для клиник, позволяя предугадать заболевания за годы до проявления симптомов. В ближайшие 12 месяцев ожидается масштабирование этой идеи на другие физиологические данные и внедрение в реальные практики.
Те клиники и исследовательские центры, которые научатся эффективно использовать такие системы, получат значительное преимущество: возможность не только лечить, но и предотвращать болезни, делая переход к персональной медицине реальностью.
