Des chercheurs de Stanford ont appris à une IA à « comprendre le langage du sommeil » afin de prédire le risque de plus de 100 affections chez des patients.
Un nouveau modèle d’intelligence artificielle peut déterminer si une personne risque de développer plus de 100 pathologies, en se fondant sur la qualité de son sommeil.
SleepFM, un grand modèle de langage (LLM) conçu par des chercheurs de l’université Stanford, en Californie, analyse l’activité cérébrale, la fréquence cardiaque, les signaux respiratoires, les mouvements des jambes et des yeux pendant le sommeil afin d’évaluer le risque de maladie.
Dans une nouvelle étude publiée dans Nature, les chercheurs ont entraîné le modèle d’IA à partir de plus de 580 000 heures de données de sommeil collectées auprès de 65 000 patients entre 1999 et 2024.
Ces données provenaient de cliniques du sommeil, des établissements médicaux qui évaluent les habitudes de sommeil pendant la nuit, et ont été découpées en segments de cinq secondes, qui faisaient office de « mots » pour l’entraînement des LLM.
« SleepFM apprend en quelque sorte la langue du sommeil », a déclaré James Zou, professeur associé en sciences des données biomédicales à Stanford et co-auteur de l’étude.
Les chercheurs ont complété ces données par les dossiers de santé individuels des patients suivis en clinique du sommeil, afin d’entraîner SleepFM à prédire des maladies futures.
Le modèle d’IA s’est avéré exact au moins 80 % du temps lorsqu’il prédisait l’apparition de la maladie de Parkinson, de la maladie d’Alzheimer, de la démence, d’une cardiopathie hypertensive, d’un infarctus, d’un cancer de la prostate ou d’un cancer du sein. Il a également correctement prédit le décès d’un patient dans 84 % des cas.
Le modèle s’est montré moins précis pour la maladie rénale chronique, l’AVC et l’arythmie, considérée comme un trouble du rythme cardiaque, qu’il a détectés dans au moins 78 % des cas.
« Nous enregistrons un nombre impressionnant de signaux [de santé] lorsque nous étudions le sommeil », explique Emmanuel Mignot, professeur de médecine du sommeil à Stanford. « C’est une sorte de physiologie générale que nous étudions pendant huit heures chez un sujet complètement captif. C’est très riche en données. »
Les auteurs de l’étude indiquent que la combinaison de l’ensemble des données a permis au modèle d’obtenir les prédictions les plus fiables. Par exemple, des signaux corporels désynchronisés (un cerveau qui paraît endormi mais un cœur qui semble éveillé) étaient de mauvais augure.
Stanford a précisé qu’elle ajouterait ensuite à la base de données de SleepFM des données issues des objets connectés, afin d’améliorer encore les prédictions du modèle.
Les chercheurs ont également noté que leur étude n’avait porté que sur des personnes qui soupçonnaient déjà des problèmes de santé, du fait de leur participation aux essais en clinique du sommeil, ce qui signifie que leur échantillon n’est pas représentatif de la capacité de l’IA à détecter des maladies dans la population générale.