ஸ்டான்போர்ட் பல்கலைக்கழக ஆராய்ச்சியாளர்கள் செயற்கை நுண்ணறிவு மாதிரியை உருவாக்கியுள்ளனர்SleepFM, பாலிசோம்னோகிராஃபி மூலம் பதிவுசெய்யப்பட்ட ஒரு இரவு தூக்கத்தின் தரவுகளின் அடிப்படையில் 130 க்கும் மேற்பட்ட சுகாதார நிலைமைகளை உருவாக்கும் அபாயத்தை கணிக்கும் திறன் கொண்டது. உறக்கப் பகுப்பாய்விற்கான தங்கத் தரமாகக் கருதப்படும் இந்தத் தேர்வு, மூளை, இதயம், சுவாச செயல்பாடு மற்றும் உடல் இயக்கங்கள் போன்ற விரிவான உடலியல் சமிக்ஞைகளைப் பிடிக்கிறது. 65,000 க்கும் மேற்பட்ட பங்கேற்பாளர்களிடமிருந்து சுமார் 585,000 மணிநேர பதிவுகளுடன் இந்த மாதிரி பயிற்சியளிக்கப்பட்டது, இது கடுமையான நோய்களுக்கான எதிர்கால அபாயங்களைக் குறிக்கும் வடிவங்களை அடையாளம் காண அனுமதிக்கிறது.
பாலிசோம்னோகிராஃபி என்பது சிறப்பு கிளினிக்குகளில் தூங்கும் போது நோயாளிக்கு சென்சார்களை இணைப்பதை உள்ளடக்கியது. இந்த தரவு, உயிரினத்தின் செயல்பாட்டைப் பற்றிய தகவல்களால் நிறைந்துள்ளது, இப்போது பல ஆண்டுகளுக்குப் பிறகு ஏற்படக்கூடிய நிலைமைகளை கணிக்க உதவுகிறது. SleepFM, விரிவான கையேடு லேபிளிங் தேவையில்லாமல் சுய-மேற்பார்வைக் கற்றலைப் பயன்படுத்துகிறது, இது குறிப்பிட்ட பணிகளுக்கு மட்டுப்படுத்தப்பட்ட முந்தைய மாதிரிகளை விட முன்னேற்றத்தைக் குறிக்கிறது.
தூக்க நிலை வகைப்பாடு மற்றும் மூச்சுத்திணறல் கண்டறிதல் போன்ற பாரம்பரிய தூக்க பகுப்பாய்வில் தற்போதைய கருவிகளை மாதிரி விஞ்சுகிறது அல்லது சமமாக இருப்பதாக முடிவுகள் காட்டுகின்றன.
SleepFM மாதிரியின் வளர்ச்சி
ஸ்டான்போர்ட் குழு, ChatGPT போன்ற மொழிகளில் பயன்படுத்தப்பட்டதைப் போன்ற அடிப்படை மாதிரி அணுகுமுறையைத் தேர்ந்தெடுத்தது, ஆனால் உடலியல் தரவுகளுக்குப் பயன்படுத்தப்பட்டது. பல்வேறு உடல் சிக்னல்களுக்கு இடையே உள்ள ஆழமான உறவுகளை SleepFM அறிந்து கொள்ள அனுமதிக்கும், பெயரிடப்படாத தரவுகளின் பரந்த அளவில் பயிற்சி நடைபெற்றது. ஒரு முக்கிய கண்டுபிடிப்பு என்பது லீவ்-ஒன்-அவுட் கான்ட்ராஸ்டிவ் லேர்னிங் ஆகும், இதில் மாதிரியானது மற்றவற்றிலிருந்து விடுபட்ட சிக்னலை மறுகட்டமைக்கிறது, மூளை, இதயம் மற்றும் சுவாசம் ஆகியவற்றுக்கு இடையேயான தொடர்புகளைப் பற்றிய அதன் புரிதலை வலுப்படுத்துகிறது.
இந்த கட்டிடக்கலை தற்காலிக சிக்னல்கள் மற்றும் நீண்ட சார்புகளை கைப்பற்ற மின்மாற்றிகளை செயலாக்க கன்வல்யூஷனல் நெட்வொர்க்குகளை ஒருங்கிணைக்கிறது. கூடுதலாக, ஒரு சிக்னல் காணாமல் போகும் போது அல்லது சத்தமாக இருக்கும்போது, சேனல்-அஞ்ஞானவாத கவன பொறிமுறையானது தானாகவே எடையை சரிசெய்கிறது, இது வெவ்வேறு மருத்துவ அமைப்புகளில் பயன்படுத்துவதற்கு மாதிரியை வலுவானதாக ஆக்குகிறது. தரவுத்தொகுப்பில் பல்வேறு வயதுடைய நோயாளிகளை உள்ளடக்கிய பல கிளினிக்குகளின் பதிவுகள் அடங்கும்.
SleepFM ஆனது தூக்க பகுப்பாய்வு பணிகளில் நிலைத்தன்மையை நிரூபித்துள்ளது, பாரம்பரிய மேற்பார்வையிடப்பட்ட மாதிரிகளை துல்லியமாக விஞ்சுகிறது.
நோய் முன்னறிவிப்பில் துல்லியம்
அனைத்து காரணங்களால் ஏற்படும் இறப்பு, டிமென்ஷியா, மாரடைப்பு, இதய செயலிழப்பு, நாள்பட்ட சிறுநீரக நோய், பக்கவாதம் மற்றும் ஏட்ரியல் ஃபைப்ரிலேஷன் உள்ளிட்ட 130 நிலைமைகளை ஒரு இரவு தூக்கத்திலிருந்து நியாயமான துல்லியத்துடன் கணிக்கக்கூடிய 130 நிலைமைகளை மாதிரி அடையாளம் கண்டுள்ளது. அவர்களில் பலருக்கு, ஒப்பந்தக் குறியீடு (சி-இண்டெக்ஸ்) 0.80 ஐத் தாண்டியுள்ளது, இது தனிப்பட்ட அபாயங்களை வகைப்படுத்துவதற்கான வலுவான திறனைக் குறிக்கிறது. புற்றுநோய்கள், கர்ப்பகால சிக்கல்கள், சுற்றோட்ட நோய்கள் மற்றும் மனநல கோளாறுகள் ஆகியவற்றில் வலுவான கணிப்புகள் நிகழ்ந்தன.
- பார்கின்சன் நோய்: முன்கூட்டியே கண்டறிவதில் அதிக துல்லியம்.
- டிமென்ஷியா: அதிக வெற்றி விகிதத்துடன் அடையாளம் காணப்பட்ட ஆபத்து.
- மாரடைப்பு: இரவு நேர முறைகள் இதய பாதிப்புகளை வெளிப்படுத்துகின்றன.
- குறிப்பிட்ட புற்றுநோய்கள்: நல்ல செயல்திறன் கொண்ட புரோஸ்டேட் மற்றும் மார்பகம் போன்றவை.
இந்த முடிவுகள் நீண்ட கால மருத்துவப் பதிவுகளுடன் பொருந்துவதை அடிப்படையாகக் கொண்டவை, தூக்கப் பரிசோதனைக்குப் பிறகு கண்டறியப்பட்ட நோயறிதல்களை மட்டுமே கருத்தில் கொள்ள வேண்டும். மாதிரியானது நேரடியாகக் கண்டறியாது, ஆனால் புள்ளியியல் ரீதியாக அபாயங்களை அடுக்குகிறது.
பயிற்சியில் பயன்படுத்தப்படும் தரவு
ஸ்லீப்எஃப்எம் பயிற்சியானது ஸ்டான்ஃபோர்ட் ஸ்லீப் கிளினிக் உட்பட நான்கு முக்கிய குழுக்களின் பாலிசோம்னோகிராம்களை உள்ளடக்கியது, பதிவுகள் 1999 க்கு முந்தையவை. சில தரவுகள் 25 ஆண்டுகள் வரை நோயாளிகளைப் பின்பற்றி, ஆரோக்கிய பரிணாமத்தை பகுப்பாய்வு செய்ய அனுமதிக்கின்றன. முந்தைய ஸ்லீப் மெஷின் லேர்னிங் ஆய்வுகளில் பயன்படுத்தப்பட்ட தொகுப்புகளை மொத்த அளவு பல மடங்கு விஞ்சும்.
பங்கேற்பாளர்கள் குழந்தைகள் முதல் முதியவர்கள் வரை, வயது மற்றும் மருத்துவ பன்முகத்தன்மையை பிரதிபலிக்கின்றனர். பெருந்தமனி தடிப்புத் தோல் அழற்சியின் பல இன ஆய்வு மற்றும் வயதான ஆண்களில் தூக்கக் கோளாறுகளின் விளைவுகள் போன்ற ஆதாரங்களில் இருந்து தரவுகள் தொகுப்பை நிறைவு செய்தன. இந்த அளவுகோல் உடலியல் சமிக்ஞைகளில் இயற்கையான மாறுபாடுகளைப் பிடிக்க எங்களுக்கு அனுமதித்தது.
விரிவான கையேடு லேபிளிங் இல்லாதது முந்தைய மாடல்களின் வரம்புகளைத் தீர்த்தது, இது விலையுயர்ந்த மற்றும் வரையறுக்கப்பட்ட சிறுகுறிப்புகளை நம்பியிருந்தது.
நடைமுறை மருத்துவ பயன்பாடுகள்
ஸ்லீப்எஃப்எம் தூக்கக் கோளாறுகளைக் கண்டறிவதற்கு அப்பால் பாலிசோம்னோகிராஃபியைப் பயன்படுத்துவதற்கான வழியைத் திறக்கிறது, அதை ஒரு பொது சுகாதாரத் திரையிடல் கருவியாக மாற்றுகிறது. கிளினிக்குகளில், இது நாள்பட்ட நோய்களுக்கான அபாயங்களை முன்கூட்டியே கண்டறிய உதவுகிறது, தடுப்பு தலையீடுகளை அனுமதிக்கிறது. சென்சார்களில் உள்ள மாறுபாடுகளுக்கு அதன் வலிமையானது வெவ்வேறு மருத்துவ மையங்களில் பயன்பாட்டை எளிதாக்குகிறது.
இரவு நேர சிக்னல்கள் தடையற்ற நேரங்களில் பிடிக்கப்பட்ட உயிரினத்தின் ஒருங்கிணைந்த பார்வையை வெளிப்படுத்துகின்றன என்பதை ஆராய்ச்சியாளர்கள் எடுத்துக்காட்டுகின்றனர். எதிர்கால பதிப்புகள் ஸ்மார்ட் வாட்ச்கள், ஆய்வகங்களுக்கு வெளியே அணுகலை விரிவுபடுத்துதல் போன்ற அணியக்கூடிய சாதனங்களிலிருந்து தரவை ஒருங்கிணைக்க முடியும்.
தொழில்நுட்பத்தின் எதிர்கால சாத்தியம்
SleepFM இன் முன்னேற்றங்கள், குறிப்பிட்ட கணிப்புகளில் மாதிரி எந்த மாதிரிகளுக்கு முன்னுரிமை அளிக்கிறது என்பதைப் புரிந்துகொள்வதற்கான விளக்க நுட்பங்களை உள்ளடக்கியது. அணியக்கூடிய பொருட்களிலிருந்து தினசரி தரவுகளுடன் ஒருங்கிணைப்பு ஆபத்து மதிப்பீடுகளை மேலும் செம்மைப்படுத்தலாம். உலகளாவிய ஆரோக்கியத்தின் குறிகாட்டியாக தொடர்ச்சியான மற்றும் அளவிடக்கூடிய தூக்க கண்காணிப்பை நோக்கிய ஒரு படியை இந்த மாதிரி பிரதிபலிக்கிறது.
கூடுதல் ஆய்வுகள் வெளிப்புறக் குழுக்களில் பொதுமைப்படுத்தலைச் சோதிக்கின்றன, இது செயல்திறனைப் பராமரிப்பதை உறுதிப்படுத்துகிறது. இந்த மல்டிமாடல் அணுகுமுறை தூக்கத்தை ஒட்டுமொத்த உடலியலுக்கான சாளரமாக எடுத்துக்காட்டுகிறது.
