L’intelligenza artificiale può prevedere alcune patologie analizzando la polisonnografia
I ricercatori dello Stanford Sleep Medicine Center diretti da Emmanuel Mignot hanno recentemente pubblicato su “Nature Medicine” uno studio in cui, usando un sistema di polisomnografia guidato dall’intelligenza artificiale chiamato SleepFM, dimostrano di poter prevedere con ragionevole certezza oltre un centinaio di patologie (130 su 1000). Il sistema funziona in base al principio secondo cui durante il sonno viene operato un risettaggio funzionale di tutti i distretti corporei. Se perciò nella polisonnografia si rilevano delle alterazioni, SleepFM può indicare in anticipo a che cosa conviene prestare più attenzione.
Lo studio, condotto con il supporto del National Institutes of Health e in collaborazione con l’Università di Copenaghen, in Danimarca, e con il Wu Tsai Neurosciences Institute della Stanford University, in California, prevedeva una fase di valutazione preclinica durante la quale il sistema è stato testato su compiti standard di analisi del sonno come la classificazione delle diverse fasi morfeiche o la diagnosi delle varie forme di disturbi del sonno, in cui SleepFM ha dimostrato di poter fornire risultati pari o superiori ai più avanzati sistemi attualmente utilizzati.
Addestrato dal 1999 al 2024 su dati acquisiti da 65mila soggetti con età compresa fra 2 e 96 anni mentre dormivano, equivalenti a 600mila ore di sonno, il modello operativo ha impiegato il cosiddetto leave-one-out contrastive learning cioè apprendimento di riarmonizazione dei dati dove nel calcolo iniziale vengono esclusi quelli contrastanti che sono poi recuperati sulla base degli altri segnali coerenti.
Successivamente i ricercatori, potendo sfruttare l’immensa banca dati dello Stanford Center che raccoglie oltre mezzo secolo di cartelle cliniche su patologie del sonno, lo hanno addestrato a correlare i dati di polisomnografia con l’outcome a lungo termine dei pazienti.
La registrazione polisomnografica della durata media di 8 ore ha poi ricavato su 35mila soggetti un’enorme quantità di dati successivamente analizzati e catalogati dall’AI.
In particolare le previsioni di malattia fornite da SleepFM hanno dimostrato un’attendibilità dell’89% per la malattia di Parkinson e per il tumore prostatico, dell’87% per quello mammario e la demenza, dell’84% per l’ipertensione, dell’81% per l’infarto e dell’80% per le complicanze in gravidanza e per i disturbi psichici.
Risultati più accurati di quelli forniti da altri modelli impiegati ad esempio per prevedere la risposta a varie forme di trattamento anti-neplastico che arrivano a una previsione che non supera il 70%.
