 |  | Theo Dingermann |
 |
07.01.2026 18:00 Uhr |
Schlafparameter wie Atmung, Herz- und Gehirnaktivität können viel über das Risiko für bestimmte Erkrankungen verraten, wie eine Studie mit einem KI-Modell zeigt. / © Getty Images/Maria Korneeva
Zu künstlicher Intelligenz (KI) wird in vielen Bereichen beforscht, darunter in der Medizin. Im Herbst vergangenen Jahres erschien beispielsweise im Fachjournal »Nature« eine Publikation, in der Forschende aus Heidelberg ein KI-Modell vorstellten, das das individuelle Erkrankungsrisiken für mehr als 1000 Erkrankungen vorhersagen kann. Nun machte ein anderes, vielversprechendes KI-Modell Schlagzeilen.
In der aktuellen Ausgabe des Wissenschaftsmagazins »Nature Medicine« erschien kürzlich eine Arbeit, die sich ebenfalls mit der Vorhersage von Krankheitsrisiken mit Hilfe von KI beschäftigt. Ein Team um Doktorand Rahul Thapa von der Stanford University beschreibt ein multimodales KI-Modell, das Krankheiten aus Daten, die während des Schlafens aufgezeichnet werden, erstaunlich präzise vorhersagen kann. Es nutzt dazu die Daten aus Polysomnografie-Aufzeichnungen. Damit heben die Forschenden die bislang nur zu einem Bruchteil genutzte Komplexität der Schlafphysiologie in eine neue Ebene und eröffnen Möglichkeiten für skalierbare Krankheitsvorhersagen.
Ausgangspunkt für die Forschungsarbeit war die Beobachtung, dass die Polysomnografie (PSG) als Goldstandard der Schlafdiagnostik zwar hochaufgelöste Informationen aus Gehirnaktivität, Herzfunktion, Muskelaktivität und Atmung liefert; diese Daten konnten jedoch bisher nur für eng umrissene Fragestellungen verwendet werden.
Die Forschenden adressierten dieses Problem nun mit dem KI-Modell »SleepFM«, das diese heterogenen Daten der Schlafanalyse auslesen und verarbeiten kann. Es wurde anhand von fast 600.000 Stunden Schlafdaten aus Polysomnografie-Aufzeichnungen von 65.000 Teilnehmern trainiert. Letztlich lerne SleepFM gewissermaßen die Sprache des Schlafes, formulierte Seniorautor Professor Dr. James Zou in einer Pressemitteilung seiner Universität.
Die Forschenden konnten zeigen, dass die KI solide bis sehr gute Leistungen bei klassischen Schlafanalyse-Aufgaben wie Schlafstadien-Klassifikation und Schlafapnoe-Einteilung erzielen kann. Die Ergebnisse sind ähnlich präzise wie solche, die mit spezialisierten Verfahren erhalten werden, obwohl diese Aufgaben nicht der primäre Fokus der Studie waren.
