Opinione
Persone più stupide e aziende più povere a causa dell'intelligenza artificiale
di Oliver Herren
L'intelligenza artificiale riconosce le malattie successive nei dati del sonno
4.3.2026
Traduzione: tradotto automaticamente
Il sonno può dirti se avrai un infarto o un cancro più avanti nella vita? Un'intelligenza artificiale ha analizzato i dati dei laboratori del sonno e ha scoperto modelli che indicano malattie successive.
Una singola notte nel laboratorio del sonno potrebbe fornire indizi su malattie che si manifestano solo anni dopo? I ricercatori dell'Università di Stanford hanno sviluppato un modello di intelligenza artificiale che analizza i dati del sonno e ne riconosce gli schemi che sono associati all'insorgenza successiva di numerose malattie. Il team cita circa 130 diagnosi per le quali il modello avrebbe raggiunto valori predittivi affidabili. Queste includono demenza, morbo di Parkinson, attacchi di cuore, insufficienza cardiaca, alcuni tipi di cancro e mortalità generale, come riportato in «Nature Medicine».
I ricercatori hanno addestrato l'AI SleepFM con i dati delle polisonnografie - misurazioni notturne nel laboratorio del sonno in cui i sensori registrano le onde cerebrali, l'attività cardiaca, la respirazione, la tensione muscolare e i movimenti delle gambe e degli occhi. La maggior parte di questi dati proviene dallo Stanford Sleep Medicine Centre, una clinica per persone con disturbi del sonno. Sono stati utilizzati anche altri set di dati provenienti dagli Stati Uniti e dall'Europa.
Per l'addestramento dell'IA sono stati utilizzati i seguenti dati.
Per l'addestramento dell'intelligenza artificiale, gli scienziati hanno utilizzato più di 585.000 ore di registrazioni del sonno di circa 65.000 persone. Durante la fase di pre-addestramento, il team ha insegnato all'IA come sono correlati i segnali tipici del sonno. A tal fine, al modello sono stati forniti brevi estratti di una notte in cui sono state registrate simultaneamente l'attività cerebrale, cardiaca, respiratoria e muscolare. In ogni caso, un segnale è stato sfumato artificialmente. L'intelligenza artificiale doveva riconoscere quali altri segnali appartenevano e quali no. In questo modo, ha sviluppato una comprensione di base di come le diverse funzioni corporee si relazionano normalmente tra loro durante il sonno. Dopo l'addestramento preliminare, i ricercatori hanno utilizzato questa comprensione di base per perfezionare l'intelligenza artificiale per applicazioni molto pratiche, come il riconoscimento delle fasi del sonno o la diagnosi di apnea notturna. Alla fine di queste prove standardizzate, SleepFM ha raggiunto un'accuratezza paragonabile a quella dei metodi esistenti. I ricercatori hanno poi collegato i dati sul sonno con le cartelle cliniche elettroniche a lungo termine dei partecipanti. In questo modo, hanno verificato se una singola notte di sonno potesse essere utilizzata per prevedere malattie successive. Tra più di 1000 categorie di malattie, il team ne ha individuate 130 che l'intelligenza artificiale ha previsto con elevata precisione sulla base dei dati del sonno. Secondo lo studio, SleepFM ha previsto particolarmente bene il Parkinson, la demenza, l'infarto, il cancro alla prostata e il cancro al seno.
Sorprendentemente, i ricercatori hanno scoperto che i segnali cardiaci giocano un ruolo maggiore nella previsione delle malattie cardiache e i segnali cerebrali nella previsione delle malattie mentali. Tuttavia, le previsioni più accurate sono state rese possibili dalla combinazione di alcuni dati: «Abbiamo ottenuto il maggior numero di informazioni per la previsione delle malattie confrontando diversi canali», afferma il ricercatore sul sonno Emmanuel Mignot, che ha partecipato allo studio e ha scoperto la causa della narcolessia nel 1999. Secondo questo, i dati di misurazione non sincronizzati - ad esempio, se l'attività cerebrale misurata mostra modelli tipici del sonno mentre i segnali cardiaci sono più simili a uno stato di veglia - potrebbero preannunciare problemi di salute.
Il lavoro si inserisce in un contesto di ricerca di tipo scientifico.
Il lavoro si inserisce in un crescente campo di ricerca che considera il sonno come un marchio di salute. Per la prima volta, tuttavia, utilizza sistematicamente l'intera gamma di segnali misurati. Tuttavia, gli autori sottolineano anche i limiti del loro approccio: il modello riconosce le correlazioni statistiche, non le cause, e non è quindi adatto per diagnosi individuali o decisioni terapeutiche. Inoltre, la maggior parte dei dati proviene da cliniche del sonno specializzate, il che significa che le persone senza disturbi del sonno o con accesso limitato alle cure mediche sono sottorappresentate. Non è ancora chiaro se i risultati possano essere trasferiti alla popolazione generale e quali meccanismi biologici siano alla base dei modelli. Tuttavia, l'approccio potrebbe aiutare a lungo termine a utilizzare meglio le grandi quantità di dati sul sonno già disponibili per la ricerca e la prevenzione.
Spettro della scienza
Siamo partner di Spektrum der Wissenschaft e vogliamo renderti più accessibili le informazioni più valide. Segui Spektrum der Wissenschaft se ti piacciono gli articoli.
Articolo originale su Spektrum
Immagine di copertina: Shutterstock
Spektrum der Wissenschaft
Wissenschaft aus erster Hand
dirdjaja@spektrum.deGli esperti della scienza e della ricerca riferiscono sulle ultime scoperte nei loro campi – competenti, autentiche e comprensibili.
Salute
Segui gli argomenti e ricevi gli aggiornamenti settimanali relativi ai tuoi interessi.
Novità e trend
Dal nuovo iPhone al revival della moda anni '80. La redazione fa chiarezza.
Visualizza tutti
