تطوير نموذج SleepFM
اعتمد SleepFM نهجا نموذجيا قائما، يشبه الأساليب المستخدمة في نماذج لغوية كبيرة مثل ChatGPT، ولكنه مناسب للبيانات الفسيولوجية. اعتمد التدريب على كميات هائلة من البيانات غير المصنّفة مما سمح للنموذج بتعلم العلاقات العميقة بين إشارات الجسم المختلفة. ويُعَد الابتكار الرئيس في التعلم المتناقض، حيث يعيد النموذج بناء إشارة مفقودة من إشارات أخرى، مما يعزز فهمه للترابطات بين الدماغ والقلب والتنفس.
جمع التصميم بين الشبكات الالتفافية لمعالجة الإشارات الزمنية والمحولات لالتقاط التبعيات الطويلة. وتقوم آلية الانتباه اللاأدرية بالقناة بضبط الأوزان تلقائيًا عندما تكون الإشارة مفقودة أو صاخبة، ما يجعل النموذج قويًا في البيئات السريرية المختلفة. تضمنت مجموعة البيانات سجلات من عدة عيادات تغطي مرضى من أعمار مختلفة.
أظهرت النتائج أن SleepFM استقر في مهام تحليل النوم، متفوقًا على النماذج التقليدية الخاضعة للإشراف من حيث الدقة.
الدقة في التنبؤ بالمرض
حدّد النموذج 130 حالة يمكن التنبؤ بها بدقة معقولة من النوم ليلاً، منها الوفيات جميع الأسباب والخرف واحتشاء عضلة القلب وفشل القلب وأمراض الكلى المزمنة والسكتة الدماغية والرجفان الأذيني. بالنسبة للكثير منها، يتجاوز مؤشر C 0.80، مما يشير إلى قدرة قوية على تصنيف المخاطر الفردية. أبرزت أقوى التنبؤات في السرطانات ومضاعفات الحمل وأمراض الدورة الدموية والاضطرابات العقلية.
أظهر مؤشر C أن الأداء يتجاوز 0.80 في عدة حالات، مما يعكس قدرة قوية على التمييز بين المخاطر. كشفت النتائج أن النمطية الليلية تعكس نقاط ضعف في القلب المرتبطة بالنوبات القلبية وظهور مخاطر في بعض السرطانات مثل البروستاتا والثدي، مع أداء جيد. تشترط النتائج المطابقة مع السجلات الطبية الطويلة الأجل، مع التركيز على التشخيصات اللاحقة لفحص النوم؛ ولا يشخّص النموذج المخاطر بشكل مباشر بل يقسمها إحصائيًا.
يوجه النموذج المخاطر بشكل إحصائي بدلاً من تشخيص مباشر، ويُظهر توافقًا مع أنماط السجلات الصحية الطويلة الأجل. تدعم هذه النتائج قدرة النموذج على تقديم تقسيم دقيق للمخاطر وفقًا للسجلات اللاحقة لفحص النوم.
البيانات المستخدمة في التدريب
شملت بيانات SleepFM مخططات نوم من أربع فرق رئيسية، بما فيها عيادة النوم مع سجلات تعود إلى 1999، وتجاوز الحجم الإجمالي المجموعات المستخدمة في دراسات تعلم آلي سابقة للنوم بمقدار عدة مرات. ويتراوح المشاركون من الأطفال إلى كبار السن، مما يعكس التنوع العُمري والسريري.
التطبيقات السريرية العملية
يفتح SleepFM الباب لاستخدام تخطيط النوم المتعدد خارج تشخيص اضطرابات النوم، ليصبح أداة فحص صحية عامة. في العيادات، يساعد في تحديد مخاطر الأمراض المزمنة مبكرًا، مما يسمح بتدخلات وقائية. وتتيح متانة النظام التطبيق في المراكز الطبية المختلفة رغم اختلاف أجهزة الاستشعار.
يشير الباحثون إلى أن إشارات النوم الليلية تكشف رؤية متكاملة للكائن الحي خلال ساعات متواصلة. يمكن لإصدارات المستقبل دمج البيانات من الأجهزة القابلة للارتداء مثل الساعات الذكية، ما يوسع النطاق خارج المختبرات.
الإمكانات المستقبلية للتكنولوجيا
تشمل التطورات في SleepFM تقنيات تفسير لفهم الأنماط التي يعطيها النموذج أولوية في تنبؤاته، مع احتمال دمج البيانات اليومية من الأجهزة القابلة للارتداء لتحسين تقديرات المخاطر. تمثل هذه التقنية خطوة نحو رصد النوم المستمر كمؤشر صحي عالمي وقابل للتطوير.
