ИИ-модель Стэнфорда научилась диагностировать 130 заболеваний по одной ночи сна

В Стэнфордском университете представили SleepFM - фундаментальную ИИ-модель, которая по данным одной ночи сна способна оценить риски более чем 130 заболеваний. Среди них не только расстройства сна, но и тяжёлые системные патологии: мерцательная аритмия, инфаркт миокарда, деменция, болезнь Паркинсона и другие нейродегенеративные и сердечно-сосудистые состояния.

В основе проекта лежит переосмысление полисомнографии. Сегодня это «золотой стандарт» диагностики сна, при котором пациента подключают к множеству датчиков: ЭЭГ для мозга, ЭКГ для сердца, сенсоры дыхания, мышечной активности и насыщения кислородом. За одну ночь накапливаются гигабайты сырых физиологических сигналов. Однако в машинном обучении эти данные долгое время использовались крайне ограниченно. Большинство моделей решали узкие задачи, например поиск апноэ или определение фаз сна, игнорируя огромный объём информации о состоянии всего организма.

Причина проста: классический supervised-подход требует ручной разметки. А разметить сотни тысяч часов сна под десятки заболеваний силами врачей практически невозможно. Дополнительная проблема - хрупкость моделей. Малейшее отличие в расположении датчиков или потеря одного канала в другой клинике часто приводили к резкому падению качества.

Команда Стэнфорда пошла другим путём. Они сделали ставку не на разметчиков, а на масштаб. В итоговый датасет вошли 585 тысяч часов записей сна от более чем 65 тысяч пациентов. Для обучения была разработана оригинальная схема self-supervised learning под названием LOO-CL (Leave-One-Out Contrastive Learning).

Вместо того чтобы напрямую учить модель предсказывать диагноз, исследователи превратили задачу в физиологический пазл. Нейросеть получает сигналы от трёх модальностей, например