Naukowcy ze Stanford Medicine opracowali model sztucznej inteligencji, który potrafi przewidzieć ryzyko wystąpienia ponad 130 schorzeń – od raka przez demencję po choroby serca – analizując dane z zaledwie jednej nocy badania snu. Model, nazwany SleepFM, został opublikowany 6 stycznia 2026 roku w prestiżowym czasopiśmie „Nature Medicine” i może zmienić sposób, w jaki myślimy o medycynie prewencyjnej.
Sen przestaje być tylko odpoczynkiem. Coraz wyraźniej widać, że nocne godziny to dla naszego ciała intensywna praca, którą da się odczytać – jeśli tylko wiemy, jak patrzeć.
Jak to działa?
SleepFM trenowano na astronomicznej ilości danych: blisko 585 000 godzin zapisów polisomnograficznych zebranych od ok. 65 000 uczestników. Polisomnografia to złoty standard w badaniu snu – czujniki przyklejone do ciała rejestrują jednocześnie aktywność mózgu, rytm serca, oddech, ruchy gałek ocznych i nóg. Wszystko przez całą noc.
Kluczem do sukcesu okazało się połączenie danych ze Stanford Sleep Medicine Center – kliniki działającej od 1970 roku – z elektroniczną dokumentacją medyczną pacjentów. Część z nich była obserwowana przez ponad 25 lat. To dało badaczom coś wyjątkowego: możliwość sprawdzenia, co rzeczywiście wydarzyło się ze zdrowiem tych ludzi po badaniu snu.
Wyniki mówią same za siebie:
- Choroba Parkinsona – C-index 0,89 (poprawna predykcja w 89% przypadków)
- Rak prostaty – C-index 0,89
- Rak piersi – C-index 0,87
- Demencja – C-index 0,85
- Śmierć (wszystkie przyczyny) – C-index 0,84
- Zawał serca – C-index 0,81
C-index to miara pokazująca, jak często model prawidłowo wskazuje, które dwie osoby z pary wcześniej zachoruje. Wartość 0,8 oznacza, że AI myli się rzadziej niż co piąty raz.
Kluczowe odkrycie: dysharmonia ciała
Badacze zauważyli coś fascynującego. Najlepsze wyniki predykcyjne pojawiały się nie wtedy, gdy jeden kanał sygnałów wykazywał anomalie, ale gdy różne układy ciała „rozmawiały ze sobą” w nieharmonijny sposób. Mózg, który wygląda jakby spał, ale serce zachowuje się jak u kogoś czuwającego – to właśnie taki dysonans okazywał się złowróżbny.
„Najcenniejsze informacje uzyskiwaliśmy właśnie przez porównywanie różnych kanałów” – mówi Emmanuel Mignot, profesor medycyny snu w Stanford. James Zou, współautor pracy i profesor biomedycznych nauk o danych, ujął to prościej: „SleepFM uczy się języka snu.”
Głos redakcji
Przyznam szczerze – kiedy po raz pierwszy przeczytałem o SleepFM, poczułem ten znajomy dreszcz ekscytacji, który znam z każdego przełomowego doniesienia w medycynie AI. Ale zaraz za nim przyszła refleksja, do której chyba warto zaprosić czytelników.
Z jednej strony: dostęp do tak wczesnej diagnozy ryzyka byłby rewolucją w prewencji. Gdybyśmy wiedzieli 10 lat wcześniej, że ktoś jest w grupie wysokiego ryzyka demencji lub raka piersi, moglibyśmy działać – zmieniać styl życia, częściej się badać, trafiać do specjalistów zanim pojawią się pierwsze objawy.
Z drugiej strony: powiedzenie człowiekowi, że „model AI uważa, że masz 89% szans na Parkinsona” to ogromna odpowiedzialność. Jak zareaguje? Depresja? Rezygnacja? Albo przeciwnie – hypochondria i nadmiarowe leczenie? Sami badacze wskazują też na istotne ograniczenie: ich dane pochodzą głównie od pacjentów, którzy i tak trafili do kliniki snu, czyli grupy z założenia niereprezentacyjnej dla ogółu populacji. Pytanie, czy model zadziała równie dobrze u zdrowego 35-latka, który nigdy nie robił polisomnografii, pozostaje na razie otwarte.
– Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Co dalej z SleepFM?
Naukowcy ze Stanforda nie zamierzają zatrzymywać się w miejscu. Kolejne kroki to integracja danych z urządzeń noszonych (smartwatche, opaski fitness) oraz połączenie modelu z danymi genomicznymi i obrazowymi. Celem jest stworzenie kompleksowego narzędzia diagnostycznego, które będzie zasilane nie jednym, ale wieloma strumieniami informacji o pacjencie.
Na razie jednak SleepFM wymaga standardowej polisomnografii – badania, które trzeba wykonać w warunkach laboratoryjnych, jest kosztowne i niedostępne na co dzień. Droga od laboratorium do gabinetu lekarskiego bywa długa. Zbyt długa, jak pokazuje historia medycyny AI.
Badanie finansowane było przez National Institutes of Health, Knight-Hennessy Scholars oraz Chan-Zuckerberg Biohub. W projekcie uczestniczyli również naukowcy z Politechniki Duńskiej, Szpitala Universiteckiego w Kopenhadze i Harvard Medical School.
