Sztuczna inteligencja coraz szerzej wkracza do świata medycyny. Algorytmy SI okazały się skuteczne w interpretacji obrazów RTG, rozpoznają choroby, proponują też skuteczne leczenie. Na Uniwersytecie Kopenhaskim opracowano algorytm, który może poprawić diagnostykę i leczenie zaburzeń snu. Uczenie maszynowe w ciągu kilku sekund wykonuje badania, które lekarzom zajmują długie godziny. W ten sposób pozwoli zdiagnozować znacznie więcej pacjentów. Obecnie na różnego rodzaju zaburzenia snu cierpi nawet 45 proc. osób na świecie.
Z badań Amerykańskiej Akademii Medycyny Snu wynika, że problemy ze snem dotyczą blisko połowy światowej populacji. Przy czym na bezsenność przewlekłą, czyli brak snu przez co najmniej trzy dni w tygodniu przez ponad trzy miesiące, cierpi około 10 proc. Naukowcy z Wydziału Informatyki Uniwersytetu Kopenhaskiego we współpracy z Duńskim Centrum Medycyny Snu opracowali algorytm sztucznej inteligencji, który może poprawić diagnozę, leczenie i zrozumienie zaburzeń snu.
Już w 2020 roku Amerykańska Akademia Medycyny Snu potwierdziła, że dane elektrofizjologiczne zebrane podczas polisomnografii – najbardziej wszechstronnego rodzaju badania snu – są dobrze przygotowane do rozszerzonej analizy poprzez sztuczną inteligencję i uczenie maszynowe. Co więcej, algorytmy mogą pomóc zrozumieć mechanizmy leżące u podstaw obturacyjnego bezdechu sennego, dzięki czemu lekarze są w stanie wybrać odpowiednie leczenie dla konkretnego pacjenta.
– Nasz algorytm jest niezwykle precyzyjny. Przeprowadziliśmy różne testy, w których jego wydajność dorównywała najlepszym lekarzom w tej dziedzinie na całym świecie – podkreśla dr Mathias Perslev z Wydziału Informatyki na Uniwersytecie Kopenhaskim.
Zazwyczaj badania zaburzeń snu zaczynają się od przyjęcia do kliniki, gdzie nocny sen pacjenta jest monitorowany za pomocą różnych przyrządów pomiarowych. Następnie specjalista od zaburzeń snu przegląda 7–8 godzin pomiarów, dzieli je na 30-sekundowe interwały, z których wszystkie podzielone są na różne fazy snu, jak REM (szybki ruch gałek ocznych), sen lekki czy sen głęboki. Lekarzowi zajmuje to wiele godzin, algorytm potrafi zrobić to w zaledwie kilka sekund.
W samym tylko stołecznym regionie Danii rocznie przeprowadza się ok. 4 tys. testów polisomnograficznych (PSG) u pacjentów z bezdechem sennym i bardziej skomplikowanymi zaburzeniami snu. Analiza jednego badania zajmuje lekarzowi 1,5–3 godziny. Dzięki wdrożeniu nowego algorytmu można byłoby zaoszczędzić nawet 12 tys. godzin pracy.
– Ten projekt pozwolił nam udowodnić, że pomiary można bardzo bezpiecznie wykonać przy użyciu uczenia maszynowego – co ma ogromne znaczenie. Oszczędzając wiele godzin pracy, można skutecznie ocenić i zdiagnozować znacznie więcej pacjentów – wskazuje Poul Jennum, profesor neurofizjologii i kierownik Duńskiego Centrum Medycyny Snu.
Naukowcy przy tworzeniu algorytmu zbierali dane z różnych źródeł i byli w stanie zachować optymalną funkcjonalność. W sumie zapisano 20 tys. nocy snu z USA i części krajów europejskich i wykorzystano je do trenowania algorytmu.
– Zebraliśmy dane dotyczące snu z różnych kontynentów, klinik snu i grup pacjentów. Fakt, że algorytm działa dobrze w tak zróżnicowanych warunkach, jest przełomem – przekonuje dr Mathias Perslev. – Osiągnięcie tego rodzaju uogólnienia jest jednym z największych wyzwań w analizie danych medycznych.
Algorytm pomoże w przyszłości lekarzom i naukowcom na całym świecie dowiedzieć się więcej o zaburzeniach snu. Oprogramowanie do analizy snu dostępne jest bezpłatnie na stronie www.sleep.ai.ku.dk.
– Algorytm potrzebuje jedynie kilku pomiarów wykonanych przez powszechnie stosowane instrumenty kliniczne. Korzystanie z tego oprogramowania może być więc szczególnie istotne w krajach rozwijających się, w których nie ma dostępu do najnowszego sprzętu lub eksperta – wskazuje badacz z Uniwersytetu Kopenhaskiego.