Araştırmacılar tarafından Nature mecmuasında yayımlanan çalışmada SleepFM, 1999 ile 2024 yılları ortasında toplanan 580 binden fazla saatlik uyku verisiyle eğitildi. Datalar, 65 bin hastanın katıldığı uyku kliniklerinden elde edildi. Uyku sırasında kaydedilen beyin aktivitesi, kalp atış suratı, teneffüs sinyalleri, bacak hareketleri ve göz hareketleri modele aktarıldı.
Bu bilgiler, beşer saniyelik modüllere ayrılarak büyük lisan modellerinin “kelimeler” üzere öğrenebileceği bir yapıya dönüştürüldü. Stanford Üniversitesi’nden biyomedikal bilgi bilimi doçenti ve çalışmanın müelliflerinden James Zou, bu süreci “SleepFM esasen uykunun lisanını öğreniyor” kelamlarıyla tanımladı.
Araştırmacılar, uyku bilgilerini hastaların ferdî sıhhat kayıtlarıyla birleştirerek modeli gelecekte ortaya çıkabilecek hastalıkları varsayım edecek biçimde eğitti. SleepFM; Parkinson, Alzheimer, demans, hipertansif kalp hastalığı, kalp krizi, prostat kanseri ve göğüs kanseri risklerini en az yüzde 80 doğrulukla varsayım etti. Model, hastaların vefatını ise yüzde 84 oranında hakikat öngördü.
BAZI HASTALIKLARDA DÜŞÜK DÜZEYDE SORDU
Modelin doğruluğu kimi hastalıklarda daha düşük düzeylerde kaldı. Kronik böbrek hastalığı, felç ve sistemsiz kalp atışı olarak tanımlanan aritmi hadiselerinde doğruluk oranı en az yüzde 78 olarak ölçüldü.
Stanford Üniversitesi’nden uyku tıbbı profesörü Emmanuel Mignot, uyku sırasında çok sayıda sıhhat sinyalinin kaydedildiğini belirterek, bunun sekiz saatlik son derece bilgi güçlü bir fizyolojik müşahede sunduğunu söz etti.
Araştırmaya nazaran, farklı beden sinyallerinin birlikte kıymetlendirilmesi modelin doğruluğunu artırdı. Örneğin beynin uykuda görünmesine karşın kalbin uyanık üzere davranması üzere uyumsuz sinyaller, sıhhat açısından risk işareti olarak değerlendirildi. Stanford, SleepFM’nin kestirim yeteneğini geliştirmek için bir sonraki evrede giyilebilir aygıtlardan elde edilecek bilgilerin de sisteme ekleneceğini açıkladı.
Araştırmacılar ayrıyeten çalışmanın değerli bir sınırlamasına dikkat çekti. Dataların tamamı, halihazırda sıhhat meselelerinden şüphelenen ve bu nedenle uyku kliniklerine başvuran bireylerden elde edildi. Bu durum, modelin genel toplumda hastalık tespitindeki muvaffakiyetini tam olarak yansıtmadığı manasına geliyor.
