Araştırmacılar tarafından Nature dergisinde yayımlanan çalışmada SleepFM, 1999 ile 2024 yılları arasında toplanan 580 binden fazla saatlik uyku verisiyle eğitildi. Veriler, 65 bin hastanın katıldığı uyku kliniklerinden elde edildi. Uyku sırasında kaydedilen beyin aktivitesi, kalp atış hızı, solunum sinyalleri, bacak hareketleri ve göz hareketleri modele aktarıldı.
Bu veriler, beşer saniyelik parçalara ayrılarak büyük dil modellerinin “kelimeler” gibi öğrenebileceği bir yapıya dönüştürüldü. Stanford Üniversitesi’nden biyomedikal veri bilimi doçenti ve çalışmanın yazarlarından James Zou, bu süreci “SleepFM esasen uykunun dilini öğreniyor” sözleriyle tanımladı.
Araştırmacılar, uyku verilerini hastaların bireysel sağlık kayıtlarıyla birleştirerek modeli gelecekte ortaya çıkabilecek hastalıkları tahmin edecek şekilde eğitti. SleepFM; Parkinson, Alzheimer, demans, hipertansif kalp hastalığı, kalp krizi, prostat kanseri ve meme kanseri risklerini en az yüzde 80 doğrulukla tahmin etti. Model, hastaların ölümünü ise yüzde 84 oranında doğru öngördü.
BAZI HASTALIKLARDA DÜŞÜK SEVİYEDE SORDU
Modelin doğruluğu bazı hastalıklarda daha düşük seviyelerde kaldı. Kronik böbrek hastalığı, felç ve düzensiz kalp atışı olarak tanımlanan aritmi vakalarında doğruluk oranı en az yüzde 78 olarak ölçüldü.
Stanford Üniversitesi’nden uyku tıbbı profesörü Emmanuel Mignot, uyku sırasında çok sayıda sağlık sinyalinin kaydedildiğini belirterek, bunun sekiz saatlik son derece veri zengin bir fizyolojik gözlem sunduğunu ifade etti.
Araştırmaya göre, farklı vücut sinyallerinin birlikte değerlendirilmesi modelin doğruluğunu artırdı. Örneğin beynin uykuda görünmesine rağmen kalbin uyanık gibi davranması gibi uyumsuz sinyaller, sağlık açısından risk işareti olarak değerlendirildi. Stanford, SleepFM’nin tahmin yeteneğini geliştirmek için bir sonraki aşamada giyilebilir cihazlardan elde edilecek verilerin de sisteme ekleneceğini açıkladı.
Araştırmacılar ayrıca çalışmanın önemli bir sınırlamasına dikkat çekti. Verilerin tamamı, halihazırda sağlık sorunlarından şüphelenen ve bu nedenle uyku kliniklerine başvuran kişilerden elde edildi. Bu durum, modelin genel toplumda hastalık tespitindeki başarısını tam olarak yansıtmadığı anlamına geliyor.
