Yeni Teknik, Uyku Analizini Kolaylaştırıyor ve Uyku Bozukluklarının Tespiti İçin Gelecekteki Klinik Araçları Destekliyor
Icahn Tıp Fakültesi’ndeki araştırmacılar, ChatGPT gibi büyük dil modellerinde kullanılan transformer mimarisine dayalı güçlü bir yapay zeka aracı geliştirdi. Bu araç, bir gecelik uykuyu baştan sona işleyebiliyor. Bugüne kadarki en büyük çalışmalardan biri olan bu araştırma, 1.011.192 saatlik uyku verisini analiz etti. Bulgular, 13 Mart 2025’te Sleep dergisinin çevrimiçi sayısında yayımlandı.
Patch Foundational Transformer for Sleep (PFTSleep) adı verilen model, beyin dalgaları, kas aktivitesi, kalp atış hızı ve solunum düzenlerini analiz ederek uyku evrelerini geleneksel yöntemlerden daha etkin bir şekilde sınıflandırıyor. Uyku analizini kolaylaştıran, değişkenliği azaltan ve uyku bozuklukları ile diğer sağlık risklerini tespit edecek gelecekteki klinik araçları destekleyen bu yenilikçi yaklaşım, araştırmacılara göre çığır açıcı bir adım.
Geleneksel uyku analizi genellikle insan uzmanların kısa uyku veri segmentlerini manuel olarak puanlamasına ya da bir hastanın tüm gecelik uykusunu analiz edemeyen yapay zeka modellerine dayanıyor. Binlerce uyku kaydı kullanılarak geliştirilen bu yeni yaklaşım ise daha kapsamlı bir bakış açısı sunuyor. Tam uzunluktaki uyku verileri üzerinde eğitilen model, gece boyunca ve farklı popülasyonlar ile ortamlardaki uyku kalıplarını tanıyarak uyku araştırmaları ve klinik kullanım için standartlaştırılmış, ölçeklenebilir bir yöntem sağlıyor.
Klinik Özellikleri Doğrudan Tespit Etme
Araştırmanın ilk yazarı ve Icahn Tıp Fakültesi’nde Yapay Zeka ve Gelişen Teknolojiler Eğitim Alanı’nda doktora adayı Benjamin Fox, “Bu, yapay zeka destekli uyku analizi ve yorumlamada bir ilerleme adımı. Yapay zekayı bu şekilde kullanarak, uyku çalışması sinyal verilerinden doğrudan klinik özellikler öğrenebilir ve bunları uyku puanlaması için kullanabiliriz; gelecekte ise uyku apnesini tespit etme veya uyku kalitesiyle bağlantılı sağlık risklerini değerlendirme gibi diğer klinik uygulamalar mümkün olabilir,” diyor.
Model, beyin aktivitesi, kas tonusu, kalp atış hızı ve solunum düzenleri gibi temel fizyolojik sinyalleri ölçen geniş bir uyku çalışması (polisomnogram) veri seti kullanılarak inşa edildi. Geleneksel yapay zeka modellerinden farklı olarak, yalnızca 30 saniyelik kısa segmentleri analiz etmek yerine, bu model tüm gecelik uykuyu ele alıyor ve daha detaylı, nüanslı kalıplar yakalıyor. Ayrıca, model kendi kendine denetimli öğrenme yöntemiyle eğitildi; bu, insan tarafından etiketlenmiş sonuçlara ihtiyaç duymadan fizyolojik sinyallerden klinik özellikler öğrenmesine olanak tanıyor.
K Pulmonary, Kritik Bakım ve Uyku Tıbbı Bölümü’nde Yardımcı Doçent ve Mount Sinai Uyku ve Sirkadiyen Analiz Grubu Direktörü, çalışmanın kıdemli sorumlu ortak yazarı Dr. Ankit Parekh, “Bulgularımız, yapay zekanın uyku çalışmalarını ve anlayışımızı nasıl dönüştürebileceğini gösteriyor. Bir sonraki hedefimiz, bu teknolojiyi klinik uygulamalar için geliştirmek; örneğin, uykuyla ilişkili sağlık risklerini daha verimli bir şekilde tespit etmek,” diyor.
Klinik Uzmanlığı Destekleyen Bir Araç
Araştırmacılar, bu yapay zeka aracının umut verici olsa da klinik uzmanlığın yerini almayacağını vurguluyor. Bunun yerine, uyku uzmanlarına güçlü bir yardımcı olarak hizmet verecek; uyku analizini hızlandıracak ve standartlaştıracak. Ekip, araştırmalarında modelin yeteneklerini uyku evresi sınıflandırmasının ötesine taşıyarak uyku bozukluklarını tespit etme ve sağlık sonuçlarını öngörme üzerine yoğunlaşmayı planlıyor.
Icahn Tıp Fakültesi’nde Windreich Yapay Zeka ve İnsan Sağlığı Bölüm Başkanı, Hasso Plattner Dijital Sağlık Enstitüsü Direktörü ve Irene ve Dr. Arthur M. Fishberg Tıp Profesörü olan kıdemli sorumlu ortak yazar Dr. Girish N. Nadkarni, “Bu yapay zeka odaklı yaklaşım, uyku araştırmalarında devrim yaratma potansiyeline sahip. Tüm gecelik uykuyu daha tutarlı bir şekilde analiz ederek, uyku sağlığı ve genel esenlik arasındaki bağlantıya dair daha derin içgörüler elde edebiliriz,” diyor. Dr. Nadkarni aynı zamanda Veri Odaklı ve Dijital Tıp Bölümü’nün ilk başkanı ve Mount Sinai Klinik Zeka Merkezi’nin eş direktörü.
Çalışmanın Teknik Detayları
Yayın Tarihi: 17 Mart 2025
Kaynak: The Mount Sinai Hospital / Mount Sinai School of Medicine
Bilimsel Referans:
Fox, B., Jiang, J., Wickramaratne, S., Kovatch, P., Suarez-Farinas, M., Shah, N. A., Parekh, A., & Nadkarni, G. N. (2025). A foundational transformer leveraging full night, multichannel sleep study data accurately classifies sleep stages. SLEEP. DOI: 10.1093/sleep/zsaf061
İlk yorum yapan siz olun