Исследователи из Медицинской школы Икан на горе Синай разработали новую модель искусственного интеллекта (ИИ), способную анализировать полный ночной сон пациента с высокой точностью. Модель, основанная на архитектуре трансформеров (аналогичной ChatGPT), обрабатывает данные мозговых волн, мышечной активности, сердечного ритма и дыхания, превосходя традиционные методы анализа сна. Результаты опубликованы в престижном журнале SLEEP.
«Это прорыв в автоматизированном анализе сна. Наша модель не просто копирует работу специалистов — она выявляет закономерности, которые человек может пропустить»
Современные методы анализа сна часто требуют ручной обработки коротких фрагментов данных или используют ИИ-модели, не способные учитывать полную картину ночного сна. Новая модель PFTSleep(Patch Foundational Transformer for Sleep) обучалась на 13 888 полисомнографиях (электроэнцефалографических и миографических исследованиях сна на протяжении всей ночи) и продемонстрировала высокую точность в классификации стадий сна, включая фазы глубокого сна и REM-сна.
Ключевые преимущества заключаются в анализе всего ночного сна, а не отдельных 30-секундных фрагментов, самообучение без ручной разметки — модель выявляет клинически значимые паттерны самостоятельно, универсальности — работает с разными группами пациентов и условиями записи.
PFTSleep обрабатывает многоканальные данные, такие как: ЭЭГ, ЭМГ, ЭКГ, дыхание и уровень кислорода.
Модель генерирует сводки ночного сна, которые затем используются для классификации стадий. В тестах она показала каппа-коэффициент 0.81 (почти полное совпадение с экспертной оценкой), что превосходит многие существующие методы.
«Этот подход может изменить диагностику нарушений сна, таких как апноэ, и помочь оценить риски для здоровья, связанные с плохим сном», — говорят авторы работы.
Исследователи полагают, что будущем модель может быть адаптирована для выявления расстройств сна, прогнозирования когнитивных нарушений и сердечно-сосудистых рисков, а также стандартизации анализа сна в клиниках.
Текст: Полина Ложкина
Fox, B., Jiang, J., Wickramaratne, S., et al. (2025). A foundational transformer leveraging full night, multichannel sleep study data accurately classifies sleep stages. SLEEP. DOI:https://doi.org/10.1093/sleep/zsaf061