Une seule nuit passée dans un laboratoire du sommeil pourrait-elle fournir des indices sur des maladies qui n’apparaissent que des années plus tard ? Des chercheurs de l’Université de Stanford ont développé un modèle d’IA qui analyse les données sur le sommeil et détecte les schémas liés à l’apparition ultérieure de nombreuses maladies.
L’équipe cite environ 130 diagnostics pour lesquels le modèle aurait atteint des valeurs prédictives fiables. Cela comprend
- Démence,
- Parkinson,
- Crise cardiaque,
- insuffisance cardiaque,
- certains types de cancer
- ainsi que la mortalité globale,
comme indiqué dans « Nature Medicine ».
Une IA nouvellement développée peut détecter 130 maladies sur la base des données sur le sommeil
Les chercheurs ont entraîné l’IA « SleepFM » avec des données de polysomnographies – des mesures nocturnes dans le laboratoire du sommeil dans lesquelles des capteurs enregistrent les ondes cérébrales, l’activité cardiaque, la respiration, la tension musculaire ainsi que les mouvements des jambes et des yeux. La majorité de ces données proviennent du Stanford Sleep Medicine Center, une clinique pour les personnes souffrant de troubles du sommeil. D’autres ensembles de données provenaient également des États-Unis et d’Europe.
Pour la formation à l’IA, les scientifiques ont utilisé plus de 585 000 heures d’enregistrements du sommeil d’environ 65 000 personnes.
Lors de la pré-formation, l’équipe a laissé l’IA apprendre comment les signaux typiques du sommeil sont liés. Le modèle a reçu de courts extraits d’une nuit au cours de laquelle l’activité cérébrale, cardiaque, respiratoire et musculaire a été enregistrée en même temps.
Un signal à la fois était ensuite artificiellement masqué. L’IA doit reconnaître quels autres signaux vont ensemble – et lesquels ne le font pas. De cette manière, elle a développé une compréhension fondamentale de la manière dont les différentes fonctions corporelles interagissent normalement pendant le sommeil.
Après une pré-formation, les chercheurs ont utilisé ces connaissances de base pour affiner l’IA pour des applications très pratiques : par exemple, reconnaître les étapes du sommeil ou diagnostiquer l’apnée du sommeil. Dans ces tests standardisés, SleepFM a atteint une précision comparable à celle des méthodes existantes.
L’IA prédit les maladies avec une grande précision
Les chercheurs ont ensuite lié les données de sommeil aux dossiers de santé électroniques à long terme des participants. Ils ont cherché à savoir si une nuit de sommeil pouvait fournir des indices sur des maladies ultérieures. Parmi plus de 1 000 catégories de maladies, l’équipe en a identifié 130 que l’IA prédisait avec une grande précision sur la base des données de sommeil. Selon l’étude, SleepFM a déclaré que c’était particulièrement bon
- Parkinson,
- Démence,
- crise cardiaque
- ainsi que le cancer de la prostate et du sein.
Un cerveau et un cœur endormis pendant l’éveil peuvent annoncer des problèmes de santé
Les chercheurs ont découvert, sans surprise, que les signaux cardiaques jouent un rôle plus important dans la prédiction des maladies cardiaques et que les signaux cérébraux jouent un rôle plus important dans la prédiction des maladies mentales.
Mais les prévisions les plus précises ont été rendues possibles grâce à la combinaison de certaines données : « Nous avons obtenu la plupart des informations permettant de prédire les maladies en comparant différents canaux », explique le chercheur sur le sommeil Emmanuel Mignot, qui a participé à l’étude et qui a découvert la cause de la narcolepsie en 1999.
Par conséquent, des données de mesure qui ne sont pas synchrones – par exemple si l’activité cérébrale mesurée montre des schémas de sommeil typiques, alors que les signaux cardiaques ressemblent davantage à un état d’éveil – pourraient indiquer des problèmes de santé.
Les chercheurs mettent en garde : l’IA n’est pas encore adaptée aux diagnostics individuels
Ces travaux s’inscrivent dans un domaine de recherche en pleine croissance qui considère le sommeil comme un marqueur de la santé. Mais pour la première fois, il utilise systématiquement toute la gamme des signaux mesurés.
Mais les auteurs soulignent également les limites de leur approche : le modèle reconnaît les relations statistiques, pas les causes, et n’est donc pas adapté aux diagnostics individuels ou aux décisions de traitement.
De plus, la plupart des données proviennent de cliniques spécialisées dans le sommeil, ce qui signifie que les personnes sans problèmes de sommeil ou ayant un accès limité aux soins médicaux sont sous-représentées.
On ne sait toujours pas si les résultats peuvent être transférés à la population générale et quels mécanismes biologiques se cachent derrière ces schémas. Néanmoins, à long terme, cette approche pourrait contribuer à mieux utiliser les grandes quantités de données existantes sur le sommeil à des fins de recherche et de prévention.
L’original de cet article « L’IA détecte des maladies ultérieures dans les données de sommeil » vient de Spektrum.de.
