Искусственный интеллект выявил скрытые риски для здоровья в обычных исследованиях сна
Новая модель искусственного интеллекта способна извлекать из стандартной ночной диагностики значительно больше медицинской информации, чем используют врачи при традиционной оценке результатов. Исследование, опубликованное в журнале *Nature Communications*, показало: анализ сна с помощью искусственного интеллекта помогает обнаруживать физиологические особенности, связанные с сердечно-сосудистыми заболеваниями, снижением когнитивных функций и риском смерти.
Разработанная модель обрабатывает данные обычной полисомнографии - комплексного исследования, во время которого одновременно регистрируются активность мозга, дыхание, насыщение крови кислородом, движения мышц, частота сердечных сокращений и другие показатели. Сегодня значительная часть этих сведений сводится к нескольким итоговым параметрам, прежде всего к индексу апноэ-гипопноэ (AHI), который применяется для определения тяжести апноэ сна. Однако новый подход показывает, что за пределами привычных расчетов скрываются дополнительные признаки состояния организма.
Подробнее о том, как искусственный интеллект анализирует данные полисомнографии, исследователи рассказали в публикации, посвященной возможностям современных моделей в медицине. Алгоритм разделил пациентов на пять групп с различным прогнозом долгосрочного здоровья. У людей из категории с наиболее высоким риском вероятность смерти в течение последующих пяти лет оказалась в два раза выше, чем у участников из группы с благоприятным прогнозом.
Особенно важно, что стандартный индекс AHI не смог выявить такую разницу между пациентами. Это указывает на ограничения привычного подхода, при котором тяжесть нарушений дыхания во сне рассматривается как главный показатель будущих рисков. На практике два человека с близкими значениями AHI могут иметь совершенно разное состояние сердечно-сосудистой и нервной систем, а также неодинаковую вероятность неблагоприятных исходов.
В работе участвовали специалисты Cleveland Clinic, IBM, Yale School of Medicine и других научных организаций. Проект был реализован в рамках десятилетнего партнерства Discovery Accelerator, объединяющего врачей-сомнологов, специалистов по машинному обучению, аналитиков данных и нейробиологов. Для обучения использовалась информация из регистра Cleveland Clinic STARLIT, содержащего результаты исследований сна и сведения о состоянии здоровья пациентов.
Алгоритм продемонстрировал сопоставимую эффективность у мужчин и женщин. Это имеет особое значение, поскольку традиционные методы оценки апноэ сна исторически показывали более высокую точность у мужчин. Дополнительная проверка на общенациональной выборке пациентов подтвердила надежность выявленных закономерностей.
По словам авторов, полисомнография фактически представляет собой подробную карту работы организма в течение ночи. В ней отражаются процессы, которые невозможно оценить только по продолжительности остановок дыхания или числу эпизодов гипопноэ. Искусственный интеллект способен находить скрытые сочетания сигналов, незаметные для человека, и превращать их в прогностические биомаркеры.
Такая технология может изменить диагностику нарушений сна. В будущем врач сможет получать не только заключение о наличии или степени апноэ, но и более развернутую оценку вероятности сердечно-сосудистых осложнений, неврологических нарушений и неблагоприятного прогноза. Это создает предпосылки для раннего наблюдения за пациентами и персонализированного выбора лечения.
Перспективным направлением станет интеграция алгоритма с электронными медицинскими картами и системами дистанционного наблюдения. Повторный анализ уже выполненных исследований позволит искать дополнительные факторы риска без проведения новых процедур. Для пациентов это может означать меньше обследований, более быстрое принятие клинических решений и возможность своевременно начать профилактику.
При этом разработчики подчеркивают, что модель пока не должна заменять врача. Искусственный интеллект выявляет статистические взаимосвязи и формирует группы риска, но окончательная интерпретация должна учитывать возраст, сопутствующие заболевания, принимаемые препараты, образ жизни и жалобы пациента. Перед широким внедрением алгоритму предстоит пройти дополнительную проверку на разных этнических, возрастных и социальных группах.
Ученые также планируют расширить сотрудничество между медицинскими учреждениями, технологическими компаниями и профессиональными сообществами. Это необходимо для независимого подтверждения результатов и оценки того, насколько новая система действительно улучшает лечение и профилактику. В дальнейшем анализ сна с помощью искусственного интеллекта может стать важной частью клинической практики, помогая раскрыть диагностический потенциал обычных ночных исследований.
По оценкам специалистов, хроническими нарушениями сна и бодрствования страдают почти 70 миллионов американцев. Эти состояния влияют не только на качество отдыха и дневную работоспособность, но и на течение хронических заболеваний. Поэтому более глубокое исследование сна способно принести пользу далеко за пределами сомнологии, связав ночные физиологические показатели с общим прогнозом здоровья человека.
