Clear Sky Science · he

מודל יסוד מולטימודלי לשינה לחיזוי מחלות

· חזרה לאינדקס

מדוע שינה אחת בלילה יכולה לחשוף את בריאותך העתידית

כשאתה נרדם במעבדה מחובר למוניטורים, הקווים המתעתעים על המסך מתעדים הרבה יותר מצפצופים או רגליים עצבניות. המחקר הזה מראה ששנת לילה מפורטת יכולה לשמש כמו כדור בדולח לבריאות בעתיד. על ידי אימון מערכת בינה מלאכותית חזקה על מאות אלפי שעות של נתוני שינה, החוקרים גילו שהאופן שבו אנו ישנים מכיל רמזים חבויים לגבי סיכונים לדמנציה, מחלות לב, בעיות כליה, סרטן ואפילו מוות מוקדם — שנים לפני הופעת המחלות הללו.

Figure 1
Figure 1.

להקשיב לגוף בזמן השינה

מעבדות שינה משתמשות בבדיקה שנקראת פוליסומנוגרפיה, שבה חיישנים בקרקפת, בפנים, בחזה וברגליים רושמים גלי מוח, תנועות עיניים, דופק, נשימה ופעילות שרירים לאורך הלילה. בדיקות אלה נחשבות לסטנדרט הזהב להבנת השינה, אך הן מייצרות זרמי נתונים עצומים ומסובכים שקשה למומחים אנושיים לפרש באופן מלא. רוב המחקרים עד כה התמקדו בבעיה אחת בכל פעם — כמו דום נשימה בשינה או נרקולפסיה — ובמקרים רבים הסתמכו על דירוג ידני מייגע. כתוצאה מכך, הסיפור העמוק המשולב בכל אותות השינה נותר ברובו בלתי מנוצל.

ללמד בינה מלאכותית להבין את שפת השינה

המחברים בנו "מודל יסוד" בשם SleepFM, בהשראת רעיונות ממודלים לשוניים גדולים שלומדים מכמויות עצומות של טקסט. במקום מילים ומשפטים, SleepFM לומד מאותות שינה גולמיים. המודל אומן על יותר מ‑585,000 שעות של הקלטות לילה מיותר מ‑65,000 אנשים, שנאספו במספר מרכזי שינה ומחקרי אוכלוסייה. המודל מקבל פרוסות קצרות של חמש שניות של פעילות מוחית, לבבית, נשימתית ושרירית, ואז משלב אותן באמצעות רשתות נוירוניות מבוססות תשומת לב שיכולות להתמודד עם תצורות חיישנים שונות בבתי חולים שונים. במהלך האימון הוא מלמד את עצמו ליישר מידע בין סוגי האותות הללו, ולומד ייצוג פנימי משותף של איך נראית שינה בריאה ולא בריאה, בלי הצורך בתוויות אנושיות.

משנת לילה לאבחונים אפשריים רבים

לאחר האימון, "טביעות האצבע של השינה" הפנימיות של SleepFM קושרו לרשומות בריאות אלקטרוניות כדי לבדוק האם ניתן באמצעותן לחזות מחלות בעתיד. החוקרים בחנו יותר מ‑1,000 מצבים ושאלו, עבור כל מטופל, האם בדיקת שינה אחת יכולה לנבא מי יפתח מחלה שנים לאחר מכן. SleepFM חזה באופן מדויק 130 אבחונים שונים באופן אמין, כולל תמותה מכל הסיבות, דמנציה, אי‑ספיקה לבבית, שבץ, מחלת כליות כרונית וכמה סוגי סרטן. עבור כמה תנאים, כגון מחלת פרקינסון, דמנציה ובעיות לב עיקריות, ביצועיו התקרבו או עלו על אלה של כלי אבחון ייחודיים המבוססים על סריקות מוח או הקלטות לב.

Figure 2
Figure 2.

כיצד אותות השינה מקשרים למוח, ללב וליתר הגוף

על‑ידי בחינת חלקי הלילה והחיישנים שהשפיעו ביותר, הצוות מצא דפוסים בעלי היגיון ביולוגי. אותות גלי מוח ותנועות עיניים היו מועילים במיוחד לחיזוי הפרעות נוירולוגיות ונפשיות, מה שמדהד ממצאים ששינויים בשינה העמוקה ובשנת REM לעיתים מקדימים את אלצהיימר ופרקינסון. אותות נשימה וחמצן היו בעלי ערך רב יותר למצבים נשימתיים ומטבוליים, בעוד שעקבות קצב הלב נשאו חשיבות עבור מחלות כלי דם כגון אי‑ספיקה לבבית ושבץ. אף על פי שלכל סוג אות היה תפקיד, התחזיות הטובות ביותר התקבלו משילוב ביניהם, מה שמרמז שרבות מהמחלות משאירות טביעות אצבע עדינות על כל הגוף במהלך השינה.

תוצאות יציבות בין קליניקות ועל פני זמן

כדי לבדוק האם SleepFM יעבוד מחוצה למוסדות שבהם אומן, החוקרים יישמו אותו על מחקר עצמאי של יותר מ‑6,000 מבוגרים שנשמר לצורך ולידציה. עם כוונון קל בלבד, המודל חזה תוצאות קריטיות כגון שבץ, מוות קרדיו‑וסקולרי ואי‑ספיקה לבבית רידתית בדיוק גבוה. הוא גם שימר ביצועים טובים בחולים שנרשמו בשנים האחרונות, כמה שנים לאחר נתוני האימון המקוריים, רמז לכך שהתבניות שנלמדו של השינה יציבות די הצורך כדי להתמודד עם שינויים בעולם האמיתי בפרקטיקה ובאוכלוסיות.

מה שעשוי להיות משמעותי עבור הטיפול היומיומי

לא‑מומחים יכולים להוציא מסקנה שהשינה אינה רק סימפטום למחלה — היא חלון עשיר ומדיד לבריאות ארוכת‑הטווח של הגוף. SleepFM מראה שמחקר לילה יחיד יכול לסייע לזהות מי בסיכון גבוה למחלות חמורות זמן רב לפני הופעת התסמינים, ומציג ביצועים טובים יותר ממודלים שתלויים רק בגיל, מין, משקל ותכונות בסיסיות נוספות. אף על פי שדרושה עוד עבודה כדי להכליל זאת מחוץ לחולי קליניקות שינה ולהסביר את תחזיות המודל מקרה‑מקרה, הגישה מצביעה לכיוון עתיד שבו ניתוח חכם של השינה — אולי אפילו ממכשירים ביתיים — יכול להפוך לכלי שגרתי, לא חודרני, לאיתור מוקדם ומעקב מתמשך אחר הבריאות.

ציטוט: Thapa, R., Kjaer, M.R., He, B. et al. A multimodal sleep foundation model for disease prediction. Nat Med 32, 752–762 (2026). https://doi.org/10.1038/s41591-025-04133-4

מילות מפתח: שינה וסיכון למחלות, פוליסומנוגרפיה, מודלי יסוד ברפואה, חיזוי דמנציה ומחלות לב, מעקב בריאות במהלך השינה