Es gibt mittlerweile etliche KI-basierte Ansätze, die sich mit der Einschätzung von Krankheitsrisiken beschäftigen. Aber nur sehr wenige machten sich bisher dazu die Physiologie des Schlafs zunutze.
Forscher der Stanford Medicine University entwickelten jetzt mit SleepFM ein multimodales KI-Modell, das über eine Schlafanalyse aus einer einzigen Nacht das individuelle Risiko von über 100 Erkrankungen vorhersagen kann – und das lange bevor erste Symptome auftreten. Goldstandard der Schlafdiagnostik ist die Polysomnografie, die mithilfe verschiedener Sensoren Informationen aus Gehirnaktivität, Herzaktivität, Atemsignale, Beinbewegungen, Augenbewegungen erfasst. Diese komplexen Informationen wurden jetzt erstmals für die Vorhersage von Erkrankungen verwendet. Das Modell wurde dazu mit Schlafdaten aus 585.000 Stunden Polysomnographie-Aufzeichnungen von 65.000 Probanden trainiert. SleepFM analysierte mehr als 1.000 Krankheitskategorien und identifizierte in einer Nacht 130 Erkrankungen mit einer guten Vorhersagegenauigkeit. Die Vorhersagen des Modells waren besonders genau für die Gesamtmortalität (C-Index* 0,84), Parkinson (0,89), Demenz (0,85), Myokardinfarkt (0,81), Herzinsuffizienz (0,80), chronische Nierenerkrankung (0,79), Schlaganfall (0,78) und Vorhofflimmern (0,78).
*C-Index von 0,84 bedeutet, dass die Vorhersage des Modells in 84% der Fälle zutrifft
Literatur: Thapa R et al. Nat Med 2026. https://doi.org/10.1038/s41591-025-04133-4
Quelle: Press release Stanford University
