Stanford Forscher haben ein künstliches Intelligenz-Modell namens SleepFM entwickelt, das mithilfe von Schlafaufzeichnungen das Risiko für über 130 verschiedene Erkrankungen vorhersagen kann, darunter Demenz, Schlaganfall und Herzkrankheiten. Unter der Leitung von James Zou und Emmanuel Mignot analysierten sie mehr als 585.000 Stunden Schlafdaten aus 65.000 Teilnehmern an mehreren Schlafkliniken. Die Daten stammten aus Polysomnographie-Aufzeichnungen (PSG), die Gehirnwellen, Herzaktivität, Muskelspannung und Atemmuster gleichzeitig erfassen. Diese multimodalen Daten ermöglichen eine umfassende Analyse des Schlafes, die weit über einfache Schlafdauer hinausgeht. Der Hauptforschungsleiter Rahul Thapa, Doktorand im Bereich Informatik, betont, dass die Komplexität der Daten – insbesondere die Vielzahl an Signalfolgen über acht Stunden pro Patient – erhebliche technische Herausforderungen mit sich brachte. Um die Modellleistung zu optimieren, entwickelten die Wissenschaftler eine neue „leave-one-out“-Trainingsmethode, die robuste Vorhersagen auch bei fehlenden oder unvollständigen Daten ermöglicht. Im Gegensatz zu klassischen überwachten Lernansätzen erwies sich die gleichzeitige Verarbeitung verschiedener physiologischer Signale als effektiver. Die Studie zeigt, dass Schlafmuster starke Hinweise auf zukünftige Gesundheitsprobleme liefern können, wobei die Ergebnisse als relative Risikoeinschätzungen und nicht als Diagnosen gelten. Die Forscher betonen, dass das Modell primär für populationsspezifische Analysen konzipiert ist, nicht für individuelle klinische Entscheidungen. Die Perspektive, dass Schlaf ein Fenster in zukünftige Gesundheitszustände ist, gewinnt zunehmend an Bedeutung. Zukunftsträchtig ist die Integration in tragbare Geräte wie Apple Watch, die mittlerweile Schlafapnoe-Indizes und EKGs messen. Chibuike Ukwakwe, Mediziner und Forscher im Bereich tragbarer Bioelektronik, sieht großes Potenzial, dass künftig AI-gestützte Analysen von Wearables klinische Entscheidungen unterstützen könnten – auch wenn derzeitige Geräte weniger Daten liefern als PSG-Systeme. Die Entwicklung von SleepFM markiert einen bedeutenden Fortschritt im Bereich der präventiven Medizin und der künstlichen Intelligenz. Experten loben die innovativen Architekturansätze und die Fähigkeit, komplexe physiologische Muster zu entschlüsseln. Da Schlaf ein zentraler Faktor für Gesundheit und Krankheitsentwicklung ist, könnte die Technologie in Zukunft zur frühzeitigen Risikobewertung beitragen – insbesondere in Kombination mit tragbaren Sensoren. Obwohl die Modelle noch nicht für die klinische Routine zugelassen sind, öffnet SleepFM neue Wege, um die tiefe Verbindung zwischen Schlaf und Gesundheit wissenschaftlich zu erforschen und praktisch nutzbar zu machen.