Senest.dk Redaktion
En ny AI-model kan ud fra en enkelt nats søvn forudsige risikoen for 130 sygdomme år før de bryder ud.
Bag forskningen står et Stanford-ledet hold med dansk medvirken, og resultaterne peger på, at den sovende krop afslører langt mere om fremtidens helbred end hidtil antaget.
Modellen hedder SleepFM og er udviklet på baggrund af 585.000 timers søvnoptagelser fra cirka 65.000 deltagere. Studiet blev offentliggjort 6. januar i tidsskriftet Nature Medicine.
Forskerne kunne efterfølgende sammenholde modellens forudsigelser med op til 25 års patientjournaler. Resultatet: SleepFM kunne med rimelig præcision forudsige 130 forskellige sygdomme ud fra signaler i én enkelt nats søvn.
Stærkest på neurologi og kræft
Modellen var særligt skarp på Parkinsons sygdom og prostatakræft, hvor den ramte et C-indeks på 0,89. Brystkræft lå på 0,87, demens på 0,85 og hypertensiv hjertesygdom på 0,84. Også risikoen for hjerteanfald (0,81) og død (0,84) kunne forudsiges.
C-indekset er et mål for, hvor godt modellen ranglister, hvem der får en sygdom først.
“For alle mulige par af personer giver modellen en rangering af, hvem der med størst sandsynlighed vil opleve en hændelse, for eksempel et hjerteanfald, tidligere. Et C-indeks på 0,8 betyder, at modellen i 80 procent af tilfældene rammer det, der faktisk skete,” forklarer James Zou, lektor i biomedicinsk datavidenskab på Stanford og medsenior på studiet.
Til sammenligning bliver modeller med et C-indeks omkring 0,7 allerede brugt klinisk til at forudsige patienters respons på kræftbehandling.
Søvn er et fysiologisk skatkammer
En polysomnografi, altså den fulde søvnundersøgelse på et søvnlaboratorium, måler samtidig hjerneaktivitet, hjerterytme, muskelspændinger, åndedræt og puls. Det er den type rådata, SleepFM er trænet på.
“Vi registrerer et utroligt antal signaler, når vi undersøger søvn. Det er en slags generel fysiologi, vi studerer i otte timer hos et menneske, der er helt fastlåst. Det er meget datarigt,” siger Emmanuel Mignot, professor i søvnmedicin på Stanford og medsenior på arbejdet.
Det afgørende greb var ikke ét enkelt signal, men kombinationen. Når hjernen så ud til at sove, men hjertet så ud til at være vågent, eller omvendt, var det ofte et tegn på, at noget var galt.
“SleepFM lærer i bund og grund søvnens sprog,” siger Zou.
Dansk forskerhold med inde over
To af studiets danske forfattere kommer fra Danmarks Tekniske Universitet. Den ene af dem, Magnus Ruud Kjær, er medførsteforfatter og PhD-studerende på DTU Health Tech. Han peger på, at teknologien ikke behøver kræve nye undersøgelser.
“Når man alligevel laver en søvnundersøgelse, for eksempel for at diagnosticere søvnapnø, vil AI potentielt kunne bruges til at lave en bred vurdering af sygdomsrisiko uden ekstra tests. Det kan identificere patienter, som bør henvises videre i sundhedsvæsenet,” siger han ifølge DTU.
Også Andreas Brink-Kjær, adjunkt på DTU Health Tech, står som medforfatter på studiet i Nature Medicine sammen med blandt andre forskere fra Rigshospitalet og Københavns Universitet.
Lang vej til klinikken
Forskerne understreger, at modellens forudsigelser udtrykker en statistisk risikoprofil, ikke en årsagssammenhæng. Datasættet stammer desuden primært fra patienter, der i forvejen var henvist til søvnundersøgelse, og det begrænser, hvor bredt resultaterne kan overføres til hele befolkningen.
Den næste fase bliver derfor at teste modellen på bredere grupper og finde ud af, hvordan AI’ens risikomarkører skal omsættes til konkrete handlinger i sundhedsvæsenet.
Men retningen er klar: Den nat, der nu blot bruges til at jage en søvnapnø-diagnose, kan om få år vise sig at indeholde de første tidlige varsler om sygdomme, der ellers først dukker op årtier senere.
