Episode Details

В представленной статье описывается разработка SleepFM — масштабной мультимодальной нейросетевой модели, обученной на данных более чем 65 000 участников для прогнозирования заболеваний по структуре сна. С помощью инновационного метода контрастивного обучения система объединяет сигналы активности мозга, сердца и дыхания, превращая результаты полисомнографии в мощный инструмент ранней диагностики. Исследователи доказали, что модель способна предсказывать возникновение 130 различных патологий, включая деменцию, сердечную недостаточность и риск преждевременной смерти, превосходя традиционные методы анализа. Благодаря своей универсальной архитектуре, SleepFM эффективно работает даже с неполными данными и успешно адаптируется к условиям различных клиник без дополнительной настройки. Этот прорыв открывает новые возможности для неинвазивного мониторинга здоровья и персонализированной медицины, используя сон как зеркало общего физиологического состояния организма. Модель демонстрирует высокую точность не только в медицинских прогнозах, но и в стандартных задачах, таких как определение стадий сна и классификация апноэ.