Uyku laboratuvarında geçirilen tek bir geceden elde edilen sinyallerden yola çıkan yeni bir yapay zeka, Parkinson hastalığı, bunama, kalp krizi, prostat ve meme kanseri de dahil olmak üzere yaklaşık 130 hastalığın daha sonraki riskini tahmin edebiliyor. Stanford Üniversitesi'nde veri bilimcisi ve Nature Medicine dergisinde yayınlanan çalışmanın yazarlarından biri olan James Zo, "İlk belirtiler ortaya çıkmadan yıllar önce" diyor.
Yeni yapay zeka modeline SleepFM adı verildi ve yüz binlerce saatlik uyku verisi üzerinde eğitildi. Model, Stanford Üniversitesi'nde biyomedikal veri bilimcisi olan Rahul Tapa liderliğindeki bir ekip tarafından geliştirildi.
Yapay zekâ rüyaları nasıl "okumayı" öğreniyor?
Uyku laboratuvarında uykunun test edilmesi ve ölçülmesi işlemine polisomnografi denir. Bu işlemde eş zamanlı olarak beyin dalgaları, kalp atış hızı, solunum, kas gerginliği, göz ve bacak hareketleri kaydedilir. SleepFM projesi için ekip, çoğunluğu Stanford Uyku Tıbbı Merkezi'nden olmak üzere, çeşitli gruplardan yaklaşık 65.000 kişiden elde edilen yaklaşık 585.000 saatlik bu tür kayıtları kullandı.
Hazırlık eğitimi sırasında yapay zeka, normal uyku sırasında beyin, kalp ve solunum sinyallerinin nasıl koordine edildiğini öğrendi. Bu şekilde model, istatistiksel olarak bir tür "rüya dili" benimsedi.
Uyku sinyallerinden hastalık prognozuna
Bu temel eğitimin ardından SleepFM, uyku evresi tanıma ve uyku apnesi teşhisi gibi görevlere daha da uyarlanarak U-Sleep veya YASA gibi yerleşik yöntemlerle rekabet edebilecek sonuçlar elde eder.
Bu iki program, beyin dalgası kayıtlarından (EEG) elde edilen verileri kullanır ve araştırmacıların uyku evrelerini belirlemelerine ve analiz etmelerine yardımcı olur.
Araştırmacılar daha sonra uyku verilerini 25 yıla kadar uzanan elektronik sağlık kayıtlarıyla ilişkilendirdiler ve yalnızca bir gecelik ölçümlere dayanarak hangi ileriki teşhislerin tahmin edilebileceğini test ettiler.
Model, 1.000'den fazla kategori arasından, riski en az orta ila yüksek doğrulukla tahmin edilebilen 130 hastalığı belirledi. Çalışmanın baş yazarı Rahul Tapa, bu yaklaşımın "rutin uyku ölçümlerinin, bir kişinin uzun vadeli sağlığına dair bugüne kadar hafife alınan bir pencere açtığını" gösterdiğini ekliyor.
Tahmin özellikle bunama, Parkinson hastalığı, kalp krizi, kalp yetmezliği, bazı kanser türleri ve genel ölüm oranları için başarılı oldu. Dortmund Teknik Üniversitesi Lamar Enstitüsü'nde uyku uzmanı olan ve çalışmaya katılmayan Sebastian Buschjaeger, "Prensip olarak, uygun bir veri tabanı olması koşuluyla, bir yapay zeka modeli çok sayıda olası tahmin için eğitilebilir" diyor.
Yapay zekâ uyku sırasında vücutta ne arıyor?
Analiz, kalp sinyallerinin özellikle kardiyovasküler hastalıkların tahmininde önemli olduğunu, beyin sinyallerinin ise nörolojik ve psikiyatrik bozukluklar için daha önemli olduğunu göstermektedir. Bununla birlikte, en bilgilendirici olanı farklı sinyallerin birleşimidir; örneğin, EEG stabil bir uyku durumunu gösterirken, kalp daha "uyanık" göründüğünde.
Beyin ve kalp arasındaki bu tür çelişkiler, belirtiler fark edilmeden çok önce gizli yükleri veya erken hastalık süreçlerini gösterebilir. Buschjaeger, "Uyku tıbbı alanındaki meslektaşlarımız belirli bir bağlantıdan şüphelenirse, biz yapay zeka alanında bunu bir prognostik sisteme dönüştürebiliriz ve aynı zamanda bağlantıların nerede olabileceğini de gösterebiliriz" diyor.
Dortmund merkezli uyku uzmanı, DW'ye verdiği yazılı yanıtta, "Sağladığımız bağlantılar esasen istatistiksel niteliktedir. Nedensel ilişkilerin uzmanlar tarafından doğrulanması gerekir" diye vurguladı.
Laboratuvar verileri ne kadar güvenilir?
Model, öncelikle uyku laboratuvarlarından, yani uyku sorunları nedeniyle tedaviye en sık yönlendirilen ve yüksek teknolojiye sahip tıbbi hizmetlere erişimi olan daha varlıklı bölgelerde yaşayan kişilerden elde edilen verilere dayanmaktadır. Araştırmacılar çeşitli Amerikan ve Avrupa gruplarını (kohortlar olarak adlandırılan) entegre etseler de, model bağımsız bir çalışmada daha da test edilmektedir. Bununla birlikte, uyku sorunu olmayan veya dünyanın daha az varlıklı bölgelerinden gelen kişiler yeterince temsil edilmemektedir.
Tanı ve tedaviye yönelik fırsatlar ve sınırlamalar
Araştırmacılar, SleepFM'nin hastalıkların nedenlerini değil, ilişkilerini ortaya koyduğunu açıkça vurguluyor: Uykuda istatistiksel kalıpları belirleyerek bunların daha sonraki teşhislerle ilişkilendirilebileceğini belirtiyorlar.
Dortmund Teknik Üniversitesi'nden, uyku verilerinin analizi için yapay zeka ve makine öğrenimi (ML) yöntemleri üzerine araştırmalar yapan ve bu çalışmada yer almayan bilgisayar bilimci Matthias Jakobs, "Çoğu yapay zeka yöntemi nedensel ilişkileri öğrenmez" diye açıklıyor.
Makine öğrenimi yöntemleri, bilgisayarlara verilen verilerdeki kalıpları tanımayı ve her kuralın açıkça programlanmasına gerek kalmadan tahminlerde bulunmayı öğreten hesaplamalı prosedürlerdir.
Buna rağmen Jacobs, "sadece istatistiksel ilişkiler kullanılsa bile, tanı ve tedavi açısından potansiyel" görüyor.
Yapay zekâ insanlara yardımcı olur, ancak onların yerini almaz.
SleepFM gibi modeller, çok miktarda polisomnografi verisini "gömülü temsiller" veya daha hızlı ve genellikle daha hassas analiz sağlayan kompakt sayısal gösterimler haline sıkıştırır.
"Bu yöntemle uyku evreleri veya apne atakları verimli bir şekilde kaydedilebiliyor; bu da manuel olarak yapıldığında çok zaman alan ve hataya açık bir işlem. Bu sayede doktorlar hastalarına daha fazla zaman ayırabiliyor," diyor Jakobs.
Uyku uzmanı Buschjaeger ayrıca disiplinler arası işbirliğinin de çok önemli olduğunu vurguluyor: "Yapay zeka terapi planlamak için iyi eğitilebilir, ancak sonuçları yorumlayan ve terapiyi seçen insanlardır; çoğu zaman tüm nedenlerin tam olarak farkında olmadan."
Dolayısıyla yapay zeka bir araç ve erken uyarı sistemi olmaya devam ediyor; teşhis ve tedavi sorumluluğu hala sağlık personeline ait.
Bulunan örüntülerin altta yatan biyolojik mekanizmaları ne ölçüde ve ne şekilde gösterdiği hala açık bir soru, ancak araştırmacılar burada büyük bir potansiyel görüyorlar.
Uykudaki belirli sinyal profillerinin bireysel hastalıklarla yeniden ilişkilendirilmesi, sinir, kardiyovasküler veya bağışıklık sistemlerindeki hangi süreçlerin erken dönemde dengesini kaybettiğine dair ipuçları sağlayabilir ve böylece mevcut uyku laboratuvarı gruplarının ötesinde insan sağlığı hakkında sonuçlar çıkarılmasına olanak tanıyabilir.
Bonus videosu:
