స్టాన్ఫోర్డ్ యూనివర్సిటీ పరిశోధకులు ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ మోడల్ను అభివృద్ధి చేశారుSleepFM, పాలీసోమ్నోగ్రఫీ ద్వారా నమోదు చేయబడిన ఒక రాత్రి నిద్ర నుండి డేటా ఆధారంగా 130 కంటే ఎక్కువ ఆరోగ్య పరిస్థితులను అభివృద్ధి చేసే ప్రమాదాన్ని అంచనా వేయగలదు. ఈ పరీక్ష, నిద్ర విశ్లేషణకు బంగారు ప్రమాణంగా పరిగణించబడుతుంది, మెదడు, గుండె, శ్వాసకోశ కార్యకలాపాలు మరియు శరీర కదలికల వంటి వివరణాత్మక శారీరక సంకేతాలను సంగ్రహిస్తుంది. మోడల్ 65,000 కంటే ఎక్కువ మంది పాల్గొనేవారి నుండి సుమారు 585,000 గంటల రికార్డులతో శిక్షణ పొందింది, ఇది తీవ్రమైన వ్యాధులకు భవిష్యత్తులో వచ్చే ప్రమాదాలను సూచించే నమూనాలను గుర్తించడానికి అనుమతిస్తుంది.
పాలీసోమ్నోగ్రఫీ అనేది ప్రత్యేక క్లినిక్లలో నిద్రిస్తున్నప్పుడు రోగికి సెన్సార్లను జోడించడం. జీవి యొక్క పనితీరు గురించి సమాచారంతో సమృద్ధిగా ఉన్న ఈ డేటా, ఇప్పుడు సంవత్సరాల తర్వాత ఉత్పన్నమయ్యే పరిస్థితులను అంచనా వేయడానికి ఉపయోగపడుతుంది. SleepFM స్వీయ-పర్యవేక్షించే అభ్యాసాన్ని ఉపయోగిస్తుంది, విస్తృతమైన మాన్యువల్ లేబులింగ్ అవసరం లేకుండా, ఇది నిర్దిష్ట పనులకు పరిమితం చేయబడిన మునుపటి మోడల్ల కంటే మెరుగుదలని సూచిస్తుంది.
స్లీప్ స్టేజ్ వర్గీకరణ మరియు అప్నియా డిటెక్షన్ వంటి సాంప్రదాయ నిద్ర విశ్లేషణలో మోడల్ ప్రస్తుత సాధనాలను అధిగమిస్తుందని లేదా సమానమని ఫలితాలు చూపిస్తున్నాయి.
SleepFM మోడల్ అభివృద్ధి
స్టాన్ఫోర్డ్ బృందం చాట్జిపిటి వంటి భాషలలో ఉపయోగించే గ్రౌన్దేడ్ మోడల్ విధానాన్ని ఎంచుకుంది, కానీ ఫిజియోలాజికల్ డేటాకు వర్తింపజేస్తుంది. లేబుల్ చేయని డేటా యొక్క విస్తారమైన వాల్యూమ్లతో శిక్షణ జరిగింది, వివిధ శరీర సంకేతాల మధ్య లోతైన సంబంధాలను తెలుసుకోవడానికి SleepFM అనుమతిస్తుంది. ఒక ముఖ్యమైన ఆవిష్కరణ లీవ్-వన్-అవుట్ కాంట్రాస్టివ్ లెర్నింగ్, దీనిలో మోడల్ ఇతరుల నుండి తప్పిపోయిన సిగ్నల్ను పునర్నిర్మిస్తుంది, మెదడు, గుండె మరియు శ్వాస మధ్య పరస్పర సంబంధాలపై దాని అవగాహనను బలోపేతం చేస్తుంది.
ఈ ఆర్కిటెక్చర్ టెంపోరల్ సిగ్నల్లను ప్రాసెస్ చేయడానికి కన్వల్యూషనల్ నెట్వర్క్లను మిళితం చేస్తుంది మరియు లాంగ్ డిపెండెన్సీలను క్యాప్చర్ చేయడానికి ట్రాన్స్ఫార్మర్లను చేస్తుంది. అదనంగా, ఛానల్-అజ్ఞాతవాసి అటెన్షన్ మెకానిజం సిగ్నల్ తప్పిపోయినప్పుడు లేదా శబ్దం వచ్చినప్పుడు స్వయంచాలకంగా బరువులను సర్దుబాటు చేస్తుంది, వివిధ క్లినికల్ సెట్టింగ్లలో ఉపయోగించడానికి మోడల్ను పటిష్టంగా చేస్తుంది. డేటాసెట్లో అనేక క్లినిక్ల నుండి రికార్డులు ఉన్నాయి, వివిధ వయస్సుల రోగులను కవర్ చేస్తుంది.
SleepFM నిద్ర విశ్లేషణ పనులలో స్థిరత్వాన్ని ప్రదర్శించింది, ఖచ్చితత్వంలో సాంప్రదాయ పర్యవేక్షించబడిన నమూనాలను అధిగమించింది.
వ్యాధి అంచనాలో ఖచ్చితత్వం
అన్ని కారణాల మరణాలు, చిత్తవైకల్యం, మయోకార్డియల్ ఇన్ఫార్క్షన్, గుండె వైఫల్యం, దీర్ఘకాలిక మూత్రపిండ వ్యాధి, స్ట్రోక్ మరియు కర్ణిక దడలతో సహా, రాత్రి నిద్ర నుండి సహేతుకమైన ఖచ్చితత్వంతో ఊహించదగిన 130 పరిస్థితులను మోడల్ గుర్తించింది. వాటిలో చాలా వరకు, ఒప్పందం సూచిక (సి-ఇండెక్స్) 0.80 మించిపోయింది, ఇది వ్యక్తిగత నష్టాలను వర్గీకరించే బలమైన సామర్థ్యాన్ని సూచిస్తుంది. క్యాన్సర్లు, గర్భధారణ సమస్యలు, ప్రసరణ వ్యాధులు మరియు మానసిక రుగ్మతలలో బలమైన అంచనాలు సంభవించాయి.
- పార్కిన్సన్స్ వ్యాధి: ముందస్తుగా గుర్తించడంలో అధిక ఖచ్చితత్వం.
- చిత్తవైకల్యం: అధిక విజయ రేటుతో గుర్తించబడిన ప్రమాదం.
- గుండెపోటు: రాత్రిపూట ఉండే నమూనాలు గుండె సంబంధిత బలహీనతలను వెల్లడిస్తాయి.
- నిర్దిష్ట క్యాన్సర్లు: మంచి పనితీరుతో ప్రోస్టేట్ మరియు బ్రెస్ట్ వంటివి.
ఈ ఫలితాలు దీర్ఘకాల వైద్య రికార్డులతో సరిపోలడంపై ఆధారపడి ఉంటాయి, నిద్ర పరీక్ష తర్వాత నిర్ధారణలను మాత్రమే పరిగణనలోకి తీసుకుంటాయి. మోడల్ నేరుగా రోగనిర్ధారణ చేయదు, కానీ గణాంకపరంగా ప్రమాదాలను వర్గీకరిస్తుంది.
శిక్షణలో ఉపయోగించే డేటా
SleepFM శిక్షణలో స్టాన్ఫోర్డ్ స్లీప్ క్లినిక్తో సహా నాలుగు ప్రధాన కోహోర్ట్ల నుండి పాలీసోమ్నోగ్రామ్లు ఉన్నాయి, రికార్డులు 1999 వరకు ఉన్నాయి. కొన్ని డేటా రోగుల నుండి 25 సంవత్సరాల వరకు అనుసరించబడింది, ఇది ఆరోగ్య పరిణామ విశ్లేషణను అనుమతిస్తుంది. మునుపటి స్లీప్ మెషీన్ లెర్నింగ్ స్టడీస్లో ఉపయోగించిన సెట్లను మొత్తం వాల్యూమ్ చాలా రెట్లు అధిగమించింది.
పాల్గొనేవారు పిల్లల నుండి వృద్ధుల వరకు, వయస్సు మరియు వైద్య వైవిధ్యాన్ని ప్రతిబింబిస్తారు. మల్టీ-ఎత్నిక్ స్టడీ ఆఫ్ అథెరోస్క్లెరోసిస్ మరియు వృద్ధులలో నిద్ర రుగ్మతల ఫలితాలు వంటి మూలాధారాల నుండి డేటా సమితిని పూర్తి చేసింది. ఈ స్కేల్ ఫిజియోలాజికల్ సిగ్నల్స్లో సహజ వైవిధ్యాలను సంగ్రహించడానికి మాకు అనుమతి ఇచ్చింది.
విస్తృతమైన మాన్యువల్ లేబులింగ్ లేకపోవడం ఖరీదైన మరియు పరిమిత ఉల్లేఖనాలపై ఆధారపడిన మునుపటి మోడళ్ల పరిమితులను పరిష్కరించింది.
ప్రాక్టికల్ క్లినికల్ అప్లికేషన్స్
SleepFM నిద్ర రుగ్మతల నిర్ధారణకు మించి పాలిసోమ్నోగ్రఫీని ఉపయోగించేందుకు మార్గాన్ని తెరుస్తుంది, దీనిని సాధారణ ఆరోగ్య పరీక్ష సాధనంగా మారుస్తుంది. క్లినిక్లలో, ఇది దీర్ఘకాలిక వ్యాధుల ప్రమాదాలను ముందస్తుగా గుర్తించడంలో సహాయపడుతుంది, నివారణ జోక్యాలను అనుమతిస్తుంది. సెన్సార్లలోని వైవిధ్యాలకు దాని దృఢత్వం వివిధ వైద్య కేంద్రాలలో అప్లికేషన్ను సులభతరం చేస్తుంది.
రాత్రిపూట సంకేతాలు జీవి యొక్క సమగ్ర వీక్షణను వెల్లడిస్తాయని పరిశోధకులు హైలైట్ చేస్తారు, అవి అంతరాయం లేని గంటలలో సంగ్రహించబడ్డాయి. భవిష్యత్ సంస్కరణలు స్మార్ట్ వాచ్లు, లేబొరేటరీల వెలుపల యాక్సెస్ను విస్తరించడం వంటి ధరించగలిగే పరికరాల నుండి డేటాను ఏకీకృతం చేయగలవు.
సాంకేతికత యొక్క భవిష్యత్తు సంభావ్యత
SleepFMలో అడ్వాన్స్లు నిర్దిష్ట అంచనాలలో మోడల్ ఏ నమూనాలకు ప్రాధాన్యత ఇస్తుందో అర్థం చేసుకోవడానికి వివరణ సాంకేతికతలను కలిగి ఉంటుంది. ధరించగలిగే వాటి నుండి రోజువారీ డేటాతో ఏకీకరణ ప్రమాద అంచనాలను మరింత మెరుగుపరుస్తుంది. మోడల్ ప్రపంచ ఆరోగ్యానికి సూచికగా నిరంతర మరియు స్కేలబుల్ నిద్ర పర్యవేక్షణ వైపు ఒక అడుగును సూచిస్తుంది.
అదనపు అధ్యయనాలు బాహ్య సమన్వయాలలో సాధారణీకరణను పరీక్షిస్తాయి, పనితీరు నిర్వహణను నిర్ధారిస్తుంది. ఈ మల్టీమోడల్ విధానం మొత్తం శరీరధర్మ శాస్త్రానికి ఒక విండోగా నిద్రను హైలైట్ చేస్తుంది.
