Les chercheurs de l'École de médecine ICAHN ont développé un puissant outil d'IA, construit sur la même architecture de transformateur utilisée par de grands modèles de langue comme Chatgpt, pour traiter toute la nuit de sommeil. À ce jour, il s'agit de l'une des plus grandes études, analysant 1 011 192 heures de sommeil. Des détails sur leurs résultats ont été rapportés le 13 mars numéro en ligne du journal Dormir (https://doi.org/10.1093/sleep/zsaf061).
Le modèle, appelé Transformateur fondamental de patch pour le sommeil (PFTSleep), analyse les ondes cérébrales, l'activité musculaire, la fréquence cardiaque et les schémas respiratoires pour classer les stades de sommeil plus efficacement que les méthodes traditionnelles, la rationalisation de l'analyse du sommeil, la réduction de la variabilité et le soutien de futurs outils cliniques pour détecter les troubles du sommeil et autres risques pour la santé.
L'analyse actuelle du sommeil repose souvent sur des experts humains marquant manuellement de courts segments de données de sommeil ou en utilisant des modèles d'IA qui ne sont pas capables d'analyser toute la nuit de sommeil d'un patient. Cette nouvelle approche, développée à l'aide de milliers d'enregistrements de sommeil, a une vue plus complète. En s'entraînant sur les données de sommeil complètes, le modèle peut reconnaître les modèles de sommeil tout au long de la nuit et dans différentes populations et paramètres, offrant une méthode standardisée et évolutive pour la recherche sur le sommeil et l'utilisation clinique, expliquent les chercheurs.
Il s'agit d'un pas en avant dans l'analyse et l'interprétation du sommeil assisté par l'IA. En tirant parti de l'IA de cette manière, nous pouvons apprendre les caractéristiques cliniques pertinentes directement à partir des données du signal d'étude du sommeil et les utiliser pour la notation du sommeil et, à l'avenir, d'autres applications cliniques telles que la détection de l'apnée du sommeil ou l'évaluation des risques pour la santé liés à la qualité du sommeil. «
Benjamin Fox, premier auteur, candidat au doctorat à l'École de médecine de l'ICAHN à Mount Sinai dans la zone de formation de l'intelligence artificielle et des technologies émergentes
Le modèle a été construit en utilisant un grand ensemble de données d'études de sommeil (polysomnogrammes) qui mesurent les signaux physiologiques clés, y compris l'activité cérébrale, le tonus musculaire, la fréquence cardiaque et les modèles de respiration. Contrairement aux modèles d'IA traditionnels, qui analysent uniquement des segments courts et de 30 secondes, ce nouveau modèle considère toute la nuit du sommeil, capturant des modèles plus détaillés et nuancés. En outre, le modèle est formé via une méthode connue sous le nom d'auto-opération, qui aide à apprendre les caractéristiques cliniques pertinentes à partir de signaux physiologiques sans utiliser de résultats marqués humains.
« Nos résultats suggèrent que l'IA pourrait transformer la façon dont nous étudions et comprenons le sommeil », explique l'auteur correspondant co-Senior, Ankit Parekh, PhD, professeur adjoint de médecine (pulmonaire, soins intensifs et médecine du sommeil) à l'École de médecine de l'ICAHN au mont Sinaï et directeur du Sleep and Circadian Analysis Group du Mount Sinai. « Notre prochain objectif est d'affiner la technologie des applications cliniques, comme l'identification des risques pour la santé liés au sommeil plus efficacement. »
Les chercheurs soulignent que cet outil d'IA, bien que prometteur, ne remplacerait pas l'expertise clinique. Au lieu de cela, cela servirait de puissante aide aux spécialistes du sommeil, contribuant à accélérer et à normaliser l'analyse du sommeil. Ensuite, la recherche de l'équipe vise à étendre ses capacités au-delà de la classification du stade de sommeil pour détecter les troubles du sommeil et prédire les résultats pour la santé.
« Cette approche axée sur l'IA a le potentiel de révolutionner la recherche sur le sommeil », a déclaré l'auteur correspondant co-Senior, Girish N. Nadkarni, MD, MPH, président du Windreich Department of Artificial Intelligence and Human Health à l'Icahn School of Medicine, directeur du Hasso Plattner Institute for Digital Health Digital, et Irene et le Dr Arthur M. Fishberg Professeur de médecine. Le Dr Nadkarni est également le chef inaugural de la Division de médecine axée sur les données et numérique et codirecteur du Mount Sinai Clinical Intelligence Center. « En analysant des nuits entières de sommeil avec une plus grande cohérence, nous pouvons découvrir des informations plus approfondies sur la santé du sommeil et son lien avec le bien-être général. »
Le papier est intitulé « Un transformateur fondamental tirant parti de la nuit complète, les données de l'étude du sommeil multicanal classe avec précision les étapes du sommeil. »
Les auteurs de l'étude, répertoriés dans la revue, sont Benjamin Fox, Joy Jiang, Sajila Wickramaratne, Patricia Kovatch, Mayte Suarez-Farinas, Neomi A. Shah, Ankit Parekh et Girish N. Nadkarni.
