Искусственный интеллект учат точно распознавать расстройства сна

Искусственный интеллект, который умеет распознавать проблемы со сном, — не новинка. В апреле прошлого года исследователи из Стэнфорда и Университета Парижа-Сакле предложили систему, которая по пульсу может определять продолжительность и тип будущего сна, а в ноябре оксфордские ученые описали схему, которая обнаруживает проблемы быстрой фазы сна. Но новый метод, основанный на нейронных сетях, отличается от всего того, что было раньше. Вместо того, чтобы искать закономерности неупорядоченного сна в срезах данных датчиков, он учитывает ряд данных, собранных во время полисомнографии (исследования сна).

«Сейчас проводится очень мало исследований относительно влияния апноэ (остановка дыхания на длительный промежуток времени) на качество сна и здоровье, потому что их трудно зафиксировать, — пишут авторы исследования в своей отчетной статье. — Более надежные методы обнаружения пробуждений помогут исследователям определить, какое влияние на сон и здоровье оказывают эти события, и разработать методы их лечения. Цель нашей работы — определить, насколько точно можно обнаружить пробуждение при помощи глубокого обучения».

Команда создала искусственный интеллект на основе сверточной нейронной сети (класс нейронных сетей, обычно применяемых для анализа визуальных образов), чтобы «упростить процесс принятия решений в сети». Чтобы улучшить обобщение, они использовали многозадачный механизм обучения, который искал корреляции между тремя состояниями: пробуждением, апноэ и гипопноэ (ухудшение дыхания во время сна, но не полная остановка; длится дольше апноэ). Для обучения они использовали данные 1985 пациентов, наблюдаемых в лаборатории сна Массачусетской больницы.

Исследователи 4 раза повторили учебный процесс, каждый раз меняя 4 разных параметра системы. В каждом эксперименте использовались данные 794 пациентов. Затем ученые усреднили результаты для получения окончательного прогноза.

В итоге оказалось, что метод, который использует несколько моделей обучения показывает лучшую производительность по сравнению с несколькими моделями, использующими один метод. Новый метод тоже не идеален — иногда он переоценивает степень тяжести апноэ или гипопноэ, но исследователи утверждают, что он определяет пробуждение, апноэ и гипопноэ достаточно точно, чтобы создавать отчеты обо сне с малой погрешностью.

Источник: VentureBeat