Schlagwort: Analyse

Nano Banana

Kurzfassung
▾

Quellen
▾

Ein Forscherteam der Stanford University hat das KI-Modell SleepFM entwickelt, das über 100 Krankheiten während des Schlafs erkennt. Die Technologie nutzt Polysomnographie-Daten, um Risiken für Parkinson, Demenz und Krebs mit einer Präzision von bis zu 89 Prozent vorherzusagen. Durch die Analyse von Hirnströmen und Herzrhythmen identifiziert das System gefährliche Diskrepanzen in den Körperrhythmen, lange bevor Symptome auftreten. Diese multimodale Diagnosemethode könnte die medizinische Vorsorge revolutionieren und eine frühzeitige, präventive Behandlung ermöglichen.

Science Daily – AI model predicts disease risk during sleep

Doc Hub – New AI model predicts disease risk while you sleep

Forscher der Stanford University haben ein KI-Modell entwickelt, das aus nur einer Nacht Schlafdaten das Risiko für über 100 Krankheiten vorhersagt. Diese Technologie ermöglicht die Früherkennung von Leiden wie Krebs oder Demenz, bevor erste Symptome im Alltag sichtbar werden. Multimodale Analyse der Nachtruhe Das neu entwickelte System namens SleepFM nutzt Daten aus der Polysomnographie, einer umfassenden Untersuchung des Schlafes in spezialisierten Kliniken. Dabei wertet die künstliche Intelligenz gleichzeitig Hirnströme, Herzrhythmus und Atemmuster aus einer einzigen Nacht aus. Durch diese Kombination erkennt der Algorithmus winzige Abweichungen in den biologischen Signalen, die dem menschlichen Auge oft verborgen bleiben. Bisherige Methoden beschränkten sich meist auf die Diagnose spezifischer Schlafstörungen wie der nächtlichen Atemaussetzer. Die Stanford-KI geht einen Schritt weiter und analysiert das Zusammenspiel verschiedener Körpersysteme. Besonders die Diskrepanz zwischen verschiedenen Rhythmen, etwa ein waches Herz bei schlafendem Gehirn, liefert wertvolle Hinweise auf verborgene Gesundheitsprobleme. Anzeige Früherkennung schwerer Erkrankungen Die Tragweite der Technologie reicht weit über das Schlafzimmer hinaus. Das Modell identifiziert Risikofaktoren für etwa 130 verschiedene medizinische Zustände, darunter Parkinson, Herz-Kreislauf-Erkrankungen und verschiedene Krebsarten. In klinischen Tests mit jahrzehntelangen Patientendaten zeigte das System eine beeindruckende Treffsicherheit bei der Vorhersage künftiger Diagnosen. Patienten könnten so Jahre vor dem Ausbruch einer Krankheit gewarnt werden, was die Heilungschancen durch präventive Maßnahmen massiv erhöht. Besonders bei chronischen Leiden ermöglicht dieser Ansatz einen proaktiven Umgang mit der eigenen Gesundheit. Statt lediglich auf Symptome zu reagieren, liefert die Analyse während der Ruhephase eine umfassende Bestandsaufnahme des gesamten körperlichen Zustands. Ein neues Fundament für die klinische Diagnostik Technisch basiert das System auf einem sogenannten Foundation Model, einem Basismodell, das mit gewaltigen Mengen an unbeschrifteten Rohdaten trainiert wurde. Dieser Ansatz erlaubt es der KI, komplexe Zusammenhänge zwischen verschiedenen Körpersignalen zu verstehen, ohne für jede Krankheit einzeln programmiert werden zu müssen. Für das Training nutzten die Forscher Datensätze von rund 65.000 Personen mit insgesamt 600.000 Stunden Aufzeichnungen. Die KI erreichte dabei eine Genauigkeit von 89 Prozent bei der Erkennung von Parkinson und 85 Prozent bei Demenz-Risiken. Auch das Risiko für Herzinfarkte und die allgemeine Sterblichkeit konnte mit einer Präzision von über 80 Prozent bestimmt werden. Diese Robustheit macht die Anwendung zu einem potenziell mächtigen Werkzeug für die medizinische Vorsorge der Zukunft.