Đa ký giấc ngủ từ lâu đã được coi là “tiêu chuẩn vàng” trong nghiên cứu giấc ngủ. Bằng việc sử dụng nhiều cảm biến để ghi lại hoạt động não bộ, nhịp tim, hô hấp, cử động mắt, cử động chân và nhiều tín hiệu sinh lý khác trong suốt một đêm, phương pháp này từ lâu đã được sử dụng để chẩn đoán các rối loạn như ngưng thở khi ngủ. Tuy nhiên, theo các nhà khoa học, phần lớn dữ liệu phong phú thu thập được vẫn chưa được khai thác đầy đủ.

“Chúng tôi ghi lại một lượng tín hiệu sinh lý đáng kinh ngạc trong suốt tám giờ ngủ của một người hoàn toàn thụ động. Đó là một kho dữ liệu cực kỳ giàu giá trị”, Giáo sư Emmanuel Mignot, chuyên gia y học giấc ngủ tại Stanford và đồng tác giả chính của nghiên cứu, cho biết.

Để khai thác kho dữ liệu này, nhóm nghiên cứu đã xây dựng một mô hình AI nền tảng mang tên SleepFM có khả năng tự học từ dữ liệu quy mô lớn và áp dụng cho nhiều nhiệm vụ khác nhau. Cách tiếp cận này tương tự các mô hình ngôn ngữ lớn như ChatGPT, nhưng thay vì “học” từ văn bản, SleepFM học từ các tín hiệu sinh lý.

Dựa trên khoảng 585.000 giờ dữ liệu giấc ngủ của khoảng 65.000 người, dữ liệu được chia thành các phân đoạn dài 5 giây, tương tự như cách chia văn bản thành các “từ” trong huấn luyện mô hình ngôn ngữ. SleepFM được thiết kế để kết hợp đồng thời nhiều luồng dữ liệu như điện não đồ, điện tâm đồ, tín hiệu cơ, nhịp mạch và luồng khí thở, từ đó học cách các tín hiệu này liên hệ với nhau.

“Về bản chất, SleepFM đang học ‘ngôn ngữ của giấc ngủ’”, Tiến sĩ James Zou, phó giáo sư khoa học dữ liệu y sinh tại Stanford và là đồng tác giả chính của nghiên cứu, nhận định.

Sau khi huấn luyện, SleepFM được thử nghiệm trên các nhiệm vụ quen thuộc như phân loại giai đoạn giấc ngủ hay đánh giá mức độ nghiêm trọng của chứng ngưng thở khi ngủ. Kết quả cho thấy mô hình đạt hiệu suất tương đương, thậm chí vượt trội, so với những phương pháp tiên tiến đang được sử dụng.

Tham vọng lớn hơn của nhóm nghiên cứu là dự đoán nguy cơ bệnh tật trong tương lai chỉ từ dữ liệu giấc ngủ. Để làm được điều này, họ ghép dữ liệu đa ký giấc ngủ với hồ sơ sức khỏe điện tử dài hạn của bệnh nhân tại Trung tâm Y học Giấc ngủ Stanford - cơ sở được thành lập từ năm 1970 và lưu trữ dữ liệu theo dõi sức khỏe trong nhiều thập kỷ.

Khoảng 35.000 bệnh nhân, từ 2 đến 96 tuổi, có dữ liệu giấc ngủ được ghi nhận trong giai đoạn 1999–2024 đã được đưa vào phân tích. Với một số trường hợp, thời gian theo dõi sức khỏe kéo dài tới 25 năm.

Kết quả cho thấy SleepFM có thể dự đoán tương đối chính xác 130 nhóm bệnh khác nhau trong hơn 1.000 danh mục bệnh được phân tích. Đặc biệt, mô hình đạt độ chính xác cao đối với các bệnh ung thư, biến chứng thai kỳ, bệnh tim mạch và rối loạn tâm thần, với chỉ số C-index trên 0,8.

Chỉ số C-index phản ánh khả năng của mô hình trong việc xếp hạng ai có nguy cơ gặp một biến cố sức khỏe sớm hơn. “C-index 0,8 nghĩa là trong 80% trường hợp, dự đoán của mô hình khớp với những diễn biến thực tế”, ông Zou giải thích.

SleepFM cho thấy hiệu quả nổi bật trong dự đoán bệnh Parkinson (0,89), sa sút trí tuệ (0,85), bệnh tim do tăng huyết áp (0,84), nhồi máu cơ tim (0,81), ung thư tuyến tiền liệt (0,89), ung thư vú (0,87) và nguy cơ tử vong (0,84).

Dù đạt kết quả ấn tượng, nhóm nghiên cứu cho biết họ vẫn đang tiếp tục cải thiện mô hình, bao gồm việc bổ sung dữ liệu từ các thiết bị đeo như đồng hồ thông minh. Đồng thời, họ cũng phát triển các phương pháp “giải mã” để hiểu rõ hơn cơ chế ra quyết định của AI.

“Nó không giải thích cho chúng tôi bằng ngôn ngữ thông thường”, ông Zou nói, “nhưng chúng tôi có những kỹ thuật để xác định mô hình đang chú ý đến tín hiệu nào khi đưa ra dự đoán”.

Các nhà khoa học nhận thấy rằng tín hiệu tim đóng vai trò quan trọng trong dự đoán bệnh tim mạch, trong khi tín hiệu não liên quan nhiều hơn đến sức khỏe tâm thần. Tuy nhiên, chính sự kết hợp đồng thời của tất cả các kênh dữ liệu mới mang lại độ chính xác cao nhất.

“Những dấu hiệu bất thường thường xuất hiện khi các hệ thống trong cơ thể không đồng bộ với nhau, chẳng hạn não bộ có vẻ đang ngủ nhưng tim lại hoạt động như khi thức”, Giáo sư Mignot nhận định. Theo ông, đây có thể là những tín hiệu cảnh báo sớm mà trí tuệ nhân tạo giúp con người nhận ra trước khi bệnh tật thực sự bùng phát.

Nghiên cứu đã được công bố trên tạp chí khoa học Nature Medicine.