An AI translates the language of sleep to predict diseases years in advance/Una IA traduce el lenguaje del sueño para predecir enfermedades con años de antelación
Source
While media giants in the artificial intelligence field play with AGI and frighten us with the end of humanity, spectacular advances are being made that are in no way intended to harm humankind. Today's example is a model that uses AI to analyze objective physiological data from sleep (such as electrical signals from the brain and heart) and predict disease risks long before symptoms appear. It's not magic or a literal reading of your dreams, but research conducted by international scientists.
Mientras los gigantes mediáticos de la inteligencia artificial juegan con la AGI y nos asustan con el fin de la humanidad, se producen avances espectaculares que ni de lejos pretenden dañar a la humanidad. El caso de hoy, un modelo que usa IA para analizar datos fisiológicos objetivos del sueño (como señales eléctricas del cerebro y del corazón) y predecir riesgos de enfermedad mucho antes de que aparezcan síntomas. No es magia ni lectura literal de tus sueños, sino una investigación llevada a cabo por científicos internacionales.
The project is called SleepFM and is an artificial intelligence model created by researchers at Stanford Medicine along with collaborators in the United States and Europe. It doesn't actually "interpret your dreams" like in biblical stories, nor does it even know what or who you dreamed about. Instead, it learns physiological sleep patterns such as brain activity, breathing, heart rate, muscle movements, etc., which are then studied and correlated with various known pathologies.
El proyecto se llama SleepFM y es un modelo de inteligencia artificial creado por investigadores de Stanford Medicine junto con colaboradores en Estados Unidos y Europa. En realidad no “interpreta tus sueños” como en los relatos bíblicos, ni siquiera sabe con qué o quién has soñado, sino que aprende patrones fisiológicos del sueño como la actividad cerebral, respiración, ritmo cardíaco, movimientos musculares, etc., que posteriormente se estudian y se relacionan con distintas patologías ya conocidas.
Source
SleepFM's AI is trained on nearly 600,000 hours of sleep recordings from around 65,000 people who participated in clinical sleep studies called polysomnographies. This data comes from multiple physiological signals measured simultaneously throughout the night. The sleep data was then linked to medical records from up to 25 years of follow-up for the same patients. In this way, the model learned to associate nighttime patterns with the future likelihood of developing certain diseases.
La IA de SleepFM se entrena con casi 600 000 horas de registros de sueño de alrededor de 65 000 personas, que hicieron estudios clínicos de sueño llamados polisomnografías. Estos datos vienen de múltiples señales fisiológicas medidas simultáneamente durante toda la noche. Posteriormente los datos de sueño se vincularon con historiales médicos de seguimiento de hasta 25 años de los mismos pacientes. Así, el modelo aprendió a asociar patrones nocturnos con la probabilidad futura de que aparezcan ciertas enfermedades.
The system was able to estimate the risk of approximately 130 medical conditions with reasonable levels of accuracy, including Parkinson's disease, dementia, and other neurological disorders. It also predicted the risk of cardiovascular diseases such as heart attacks and other heart conditions, and even certain types of cancer, such as prostate and breast cancer. The prediction rates for many of these conditions exceeded 80%, a powerful figure for a model of this type, although this does not constitute a definitive diagnosis.
El sistema fue capaz de estimar el riesgo de aproximadamente 130 condiciones médicas, con niveles de precisión razonables, incluyendo Parkinson, demencia y otras enfermedades neurológicas. También predijo el riesgo de enfermedades cardiovasculares como infartos y otras cardiopatías. Incluso ciertos tipos de cáncer como de próstata o de mama. Los índices de predicción para muchas de estas condiciones fueron superiores al 80 %, una cifra potente para un modelo de este tipo, aunque esto no significa un diagnóstico definitivo.
Source
SleepFM is a foundational model similar in concept to those used for understanding natural language (like ChatGPT), but instead of text, it uses 5-second snippets of physiological data as if they were “words.” Learning this “language” means extracting structures and relationships between the data that the human eye cannot easily detect. In other words, sleep generates a lot of biological data, and the AI has learned to read that data as if it were a “language” that conveys information about the body's overall state.
SleepFM es un modelo fundacional parecido en concepto a los usados para entender lenguaje natural (como ChatGPT), pero en vez de texto, usa fragmentos de datos fisiológicos de 5 segundos como si fueran “palabras”. Aprender este “lenguaje” significa extraer estructuras y relaciones entre los datos que el ojo humano no puede detectar fácilmente. En otras palabras, el sueño genera muchos datos biológicos y la IA ha aprendido a leer esos datos como si fuera un “idioma” que transmite información sobre el estado corporal general.
Unfortunately, as is often the case with such novel discoveries, although the results are very promising, there are several points to consider. The data was obtained in specialized centers, not under everyday sleep conditions at home. The model may be biased towards populations already attending sleep clinics. Of course, medical validation and regulation will also be necessary before applying it as a general screening method, but there is no doubt that it looks very promising.
Lamentablemente, como suele pasar con estos descubrimientos tan novedosos, aunque los resultados son muy prometedores, hay varios puntos a tener en cuenta. Los datos se obtuvieron en centros especializados, no en condiciones cotidianas de sueño en casa. El modelo puede tener sesgos de poblaciones que ya estaban en clínicas del sueño. Por supuesto también se necesitarán validaciones y regulaciones médicas antes de aplicarlo como método de screening general, pero no cabe duda de que parece algo muy prometedor.
More information/Más información
https://scitechdaily.com/stanfords-ai-predicts-disease-risk-from-a-single-night-of-sleep/