Ein neues KI-Modell macht verborgene Gesundheitsrisiken in routinemäßigen Schlafstudien sichtbar. Eine kürzlich in Nature Communications veröffentlichte Studie belegt, dass künstliche Intelligenz umfassende Daten aus klassischen Polysomnografien nutzen kann, um langfristige Gesundheitsgefahren präzise vorherzusagen. Ein interdisziplinäres Forscherteam entwickelte das System im Rahmen der zehnjährigen Partnerschaft Discovery Accelerator zwischen dem Cleveland Clinic und IBM. Bisher beschränkte sich die klinische Auswertung solcher Nachstudien in den USA weithin auf wenige Zusammenfassungswerte zur Diagnose einer Schlafapnoe. Die neue KI-Analyse durchsucht nun den vollständigen Satz an physiologischen Messwerte – einschließlich Hirn-, Lungen-, Muskel- und Herzdaten – auf verborgene Muster. Die Auswertung des Cleveland-Clinic-Datenregisters STARLIT sowie eine unabhängige Validierung an einer landesweiten Patientenkohorte führten zur Einteilung in fünf Risikogruppen. Patienten der höchsten Risikoklasse wiesen innerhalb von fünf Jahren ein doppelt so hohes Mortalitätsrisiko auf wie jene der niedrigsten Gruppe. Dieser prognostische Unterschied blieb mit dem herkömmlichen Apnoe-Hypopnoe-Index unverzeichnet. Zudem zeigte das KI-Modell eine konsistente Vorhersagekraft für beide Geschlechter, während der klassische Index historisch bedingt vorwiegend bei männlichen Patienten zuverlässige Werte lieferte. Die Ergebnisse demonstrieren, dass medizinische Standardtests deutlich mehr physiologische Informationen enthalten, als die aktuelle Praxis zu extrahieren nutzt. Durch die Identifizierung latenter biologischer Merkmale eröffnet die Technologie neue Wege für eine personalisierte Medizin. Sie ermöglicht eine frühere Risikobewertung für kardiovaskuläre und neurologische Erkrankungen sowie die allgemeine Überlebenswahrscheinlichkeit. Die beteiligten Wissenschaftler betonen, dass Schlaf ein grundlegender Gesundheitsfaktor ist und routinemäßige Schlafstudien ein bislang ungenutztes Fenster in die menschliche Physiologie bieten. Als nächste Schritte planen die Forscher die Validierung in diversen Bevölkerungsgruppen sowie die Intensivierung der Zusammenarbeit zwischen Kliniken, Technologiepartnern und Fachgesellschaften. Die Studie markiert einen systemischen Wandel in der Diagnostik: Aus einer reinen Screening-Methode für Schlafapnoe wird ein umfassendes Prognoseinstrument. Durch den Einsatz fundamentaler KI-Modelle werden komplexe Signalmuster nutzbar gemacht, die die Grundlage für präzisere, präventive Behandlungsansätze legen.