ఇకాన్ స్కూల్ ఆఫ్ మెడిసిన్ పరిశోధకులు ఒక శక్తివంతమైన AI సాధనాన్ని అభివృద్ధి చేశారు, ఇది చాట్‌గ్ప్ట్ వంటి పెద్ద భాషా నమూనాలు ఉపయోగించే అదే ట్రాన్స్ఫార్మర్ ఆర్కిటెక్చర్‌పై నిర్మించబడింది, మొత్తం రాత్రి నిద్రను ప్రాసెస్ చేయడానికి. ఈ రోజు వరకు, ఇది అతిపెద్ద అధ్యయనాలలో ఒకటి, 1,011,192 గంటల నిద్రను విశ్లేషిస్తుంది. జర్నల్ యొక్క మార్చి 13 ఓన్లైన్ సంచికలో వారి పరిశోధనలపై వివరాలు నివేదించబడ్డాయి నిద్ర.
పాచ్ ఫౌండేషన్ ట్రాన్స్ఫార్మర్ ఫర్ స్లీప్ (పిఎఫ్టిస్లీప్) అని పిలువబడే ఈ మోడల్, సాంప్రదాయ పద్ధతుల కంటే నిద్ర దశలను మరింత సమర్థవంతంగా వర్గీకరించడానికి మెదడు తరంగాలు, కండరాల కార్యకలాపాలు, హృదయ స్పందన రేటు మరియు శ్వాస నమూనాలను విశ్లేషిస్తుంది, నిద్ర విశ్లేషణను క్రమబద్ధీకరించడం, వైవిధ్యాన్ని తగ్గించడం మరియు నిద్ర రుగ్మతలు మరియు ఇతర ఆరోగ్య నష్టాలను గుర్తించడానికి భవిష్యత్ క్లినికల్ సాధనాలకు మద్దతు ఇస్తుంది.
ప్రస్తుత నిద్ర విశ్లేషణ తరచుగా మానవ నిపుణులు నిద్ర డేటా యొక్క చిన్న విభాగాలను మాన్యువల్‌గా స్కోర్ చేయడం లేదా రోగి యొక్క నిద్ర మొత్తం రాత్రిని విశ్లేషించగల సామర్థ్యం లేని AI మోడళ్లను ఉపయోగించడంపై ఆధారపడుతుంది. వేలాది స్లీప్ రికార్డింగ్‌లను ఉపయోగించి అభివృద్ధి చేయబడిన ఈ కొత్త విధానం మరింత సమగ్రమైన అభిప్రాయాన్ని తీసుకుంటుంది. పూర్తి-నిడివి నిద్ర డేటాపై శిక్షణ ఇవ్వడం ద్వారా, మోడల్ రాత్రంతా మరియు వివిధ జనాభా మరియు సెట్టింగులలో నిద్ర నమూనాలను గుర్తించగలదు, నిద్ర పరిశోధన మరియు క్లినికల్ ఉపయోగం కోసం ప్రామాణికమైన మరియు స్కేలబుల్ పద్ధతిని అందిస్తుంది, పరిశోధకులు చెప్పండి.
“ఇది AI- సహాయక నిద్ర విశ్లేషణ మరియు వ్యాఖ్యానంలో ఒక అడుగు” అని ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ అండ్ ఎమర్జింగ్ టెక్నాలజీస్ ట్రైనింగ్ ఏరియాలోని మౌంట్ సినాయిలోని ఇకాన్ స్కూల్ ఆఫ్ మెడిసిన్లో పిహెచ్‌డి అభ్యర్థి మొదటి రచయిత బెంజమిన్ ఫాక్స్ చెప్పారు. “ఈ విధంగా AI ని పెంచడం ద్వారా, మేము స్లీప్ స్టడీ సిగ్నల్ డేటా నుండి నేరుగా సంబంధిత క్లినికల్ లక్షణాలను నేర్చుకోవచ్చు మరియు వాటిని స్లీప్ స్కోరింగ్ కోసం ఉపయోగించవచ్చు మరియు భవిష్యత్తులో, స్లీప్ అప్నియాను గుర్తించడం లేదా నిద్ర నాణ్యతతో అనుసంధానించబడిన ఆరోగ్య నష్టాలను అంచనా వేయడం వంటి ఇతర క్లినికల్ అనువర్తనాలు.”
మెదడు కార్యకలాపాలు, కండరాల టోన్, హృదయ స్పందన రేటు మరియు శ్వాస విధానాలతో సహా కీ శారీరక సంకేతాలను కొలిచే నిద్ర అధ్యయనాల (పాలిసోమ్నోగ్రామ్స్) యొక్క పెద్ద డేటాసెట్ ఉపయోగించి మోడల్ నిర్మించబడింది. సాంప్రదాయ AI మోడళ్ల మాదిరిగా కాకుండా, చిన్న, 30-సెకన్ల విభాగాలను మాత్రమే విశ్లేషించండి, ఈ కొత్త మోడల్ నిద్ర యొక్క మొత్తం రాత్రిని పరిగణిస్తుంది, మరింత వివరణాత్మక మరియు సూక్ష్మమైన నమూనాలను సంగ్రహిస్తుంది. ఇంకా, మోడల్ స్వీయ-పర్యవేక్షణ అని పిలువబడే ఒక పద్ధతి ద్వారా శిక్షణ పొందుతుంది, ఇది మానవ లేబుల్ ఫలితాలను ఉపయోగించకుండా శారీరక సంకేతాల నుండి సంబంధిత క్లినికల్ లక్షణాలను నేర్చుకోవడానికి సహాయపడుతుంది.
“మేము నిద్రను ఎలా అధ్యయనం చేస్తాము మరియు అర్థం చేసుకోవాలో AI మారుతుందని మా పరిశోధనలు సూచిస్తున్నాయి” అని కో-సైనియర్ సంబంధిత రచయిత అంకిత్ పరేఖ్, పిహెచ్‌డి, అసిస్టెంట్ ప్రొఫెసర్ ఆఫ్ మెడిసిన్ (పల్మనరీ, క్రిటికల్ కేర్ అండ్ స్లీప్ మెడిసిన్), మౌంట్ సినాయ్ వద్ద ఉన్న ఇకాన్ స్కూల్ ఆఫ్ మెడిసిన్ వద్ద మరియు మౌంట్ సినాయ్ వద్ద స్లీప్ అండ్ సిర్కాడియన్ అనాలిసిస్ గ్రూప్ డైరెక్టర్ చెప్పారు. “నిద్ర సంబంధిత ఆరోగ్య నష్టాలను మరింత సమర్థవంతంగా గుర్తించడం వంటి క్లినికల్ అనువర్తనాల కోసం సాంకేతికతను మెరుగుపరచడం మా తదుపరి లక్ష్యం.”
ఈ AI సాధనం, ఆశాజనకంగా ఉన్నప్పటికీ, క్లినికల్ నైపుణ్యాన్ని భర్తీ చేయదని పరిశోధకులు నొక్కిచెప్పారు. బదులుగా, ఇది నిద్ర నిపుణులకు శక్తివంతమైన సహాయంగా ఉపయోగపడుతుంది, నిద్ర విశ్లేషణను వేగవంతం చేయడానికి మరియు ప్రామాణీకరించడానికి సహాయపడుతుంది. తరువాత, జట్టు యొక్క పరిశోధన నిద్ర-దశల వర్గీకరణకు మించి నిద్ర రుగ్మతలను గుర్తించడం మరియు ఆరోగ్య ఫలితాలను అంచనా వేయడం.
“ఈ AI- నడిచే విధానం నిద్ర పరిశోధనలో విప్లవాత్మక మార్పులు చేసే సామర్థ్యాన్ని కలిగి ఉంది” అని కో-సైనియర్ సంబంధిత రచయిత గిరిష్ ఎన్., మరియు ఇరేన్ మరియు డాక్టర్ ఆర్థర్ ఎం. ఫిష్‌బర్గ్ ప్రొఫెసర్ ఆఫ్ మెడిసిన్. డాక్టర్ నాడ్కర్ని డేటా-ఆధారిత మరియు డిజిటల్ మెడిసిన్ విభాగం మరియు మౌంట్ సినాయ్ క్లినికల్ ఇంటెలిజెన్స్ సెంటర్ సహ-డైరెక్టర్ యొక్క ప్రారంభ చీఫ్. “నిద్ర యొక్క మొత్తం రాత్రులు ఎక్కువ స్థిరత్వంతో విశ్లేషించడం ద్వారా, నిద్ర ఆరోగ్యం మరియు మొత్తం శ్రేయస్సుకు దాని కనెక్షన్‌పై లోతైన అంతర్దృష్టులను మేము వెలికి తీయవచ్చు.”
