Könnte eine einzige Nacht im Schlaflabor Hinweise auf Krankheiten liefern, die erst Jahre später auftreten? Forscher der Stanford University haben ein KI-Modell entwickelt, das Schlafdaten analysiert und darin Muster erkennt, die mit dem späteren Auftreten zahlreicher Erkrankungen zusammenhängen. Das Team nennt rund 130 Diagnosen, für die das Modell verlässliche Vorhersagewerte erzielt haben soll. Dazu gehören Demenz, Parkinson, Herzinfarkt, Herzschwäche, bestimmte Krebsarten sowie die Gesamtsterblichkeit, wie es in »Nature Medicine« berichtet.

Die Forscher trainierten die KI SleepFM mit Daten aus Polysomnografien – nächtlichen Messungen im Schlaflabor, bei denen Sensoren Hirnströme, Herzaktivität, Atmung, Muskelspannung sowie Bein- und Augenbewegungen aufzeichnen. Der Großteil dieser Daten stammt aus dem Stanford Sleep Medicine Center, einer Klinik für Menschen mit Schlafstörungen. Hinzu kamen weitere Datensätze aus den USA und Europa.

Für das KI-Training nutzten die Wissenschaftler mehr als 585 000 Stunden Schlafaufzeichnungen von rund 65 000 Menschen. Im Vortraining ließ das Team die KI lernen, wie typische Schlafsignale zusammenhängen. Dazu bekam das Modell kurze Ausschnitte aus einer Nacht, in denen gleichzeitig Gehirn-, Herz-, Atem- und Muskelaktivität aufgezeichnet wurden. Anschließend wurde jeweils ein Signal künstlich ausgeblendet. Die KI sollte erkennen, welche übrigen Signale zusammengehören – und welche nicht. So entwickelte sie ein grundlegendes Verständnis dafür, wie sich verschiedene Körperfunktionen im Schlaf normalerweise zueinander verhalten. Nach dem Vortraining nutzten die Forschenden dieses Grundverständnis, um die KI für ganz praktische Anwendungen zu verfeinern: etwa dafür, Schlafstadien zu erkennen oder Schlafapnoe zu diagnostizieren. In diesen standardisierten Tests erreichte SleepFM eine Genauigkeit, die mit jener von bestehenden Verfahren vergleichbar ist. Anschließend verknüpften die Forschenden die Schlafdaten mit elektronischen Langzeit‑Gesundheitsakten der Teilnehmenden. So untersuchten sie, ob sich aus einer einzigen Nacht Schlaf Hinweise auf spätere Erkrankungen ableiten lassen. Aus mehr als 1000 Krankheitskategorien identifizierte das Team 130, die die KI anhand der Schlafdaten mit hoher Genauigkeit prognostizierte. Besonders gut sagte SleepFM laut Studie Parkinson, Demenz, Herzinfarkt sowie Prostata- und Brustkrebs voraus.

Die Forscher stellten wenig überraschend fest, dass Herzsignale bei der Vorhersage von Herzerkrankungen und Gehirnsignale bei der Vorhersage von psychischen Erkrankungen eine größere Rolle spielen. Doch die genauesten Prognosen ermöglichte die Kombination bestimmter Daten: »Die meisten Informationen für die Vorhersage von Krankheiten erhielten wir durch den Vergleich verschiedener Kanäle«, sagt der an der Studie beteiligte Schlafforscher Emmanuel Mignot, der 1999 die Ursache für Narkolepsie entdeckte. Demnach könnten Messdaten, die nicht synchron verlaufen – etwa wenn die gemessene Hirnaktivität typische Schlafmuster zeigt, während Herzsignale eher einem Wachzustand ähneln –, gesundheitliche Probleme ankündigen.

Die Arbeit fügt sich in ein wachsendes Forschungsfeld ein, das Schlaf als Marker für die Gesundheit betrachtet. Sie nutzt aber erstmals systematisch die gesamte Bandbreite der gemessenen Signale. Doch die Autoren betonen auch die Grenzen ihres Ansatzes: Das Modell erkennt statistische Zusammenhänge, keine Ursachen, und eignet sich deshalb nicht für individuelle Diagnosen oder Therapieentscheidungen. Zudem stammen die meisten Daten aus spezialisierten Schlafkliniken, wodurch Menschen ohne Schlafbeschwerden oder mit eingeschränktem Zugang zur medizinischen Versorgung unterrepräsentiert sind. Ob sich die Ergebnisse auf die Allgemeinbevölkerung übertragen lassen und welche biologischen Mechanismen hinter den Mustern stehen, ist noch offen. Dennoch könnte der Ansatz langfristig helfen, die großen Mengen bereits vorhandener Schlafdaten besser für Forschung und Prävention zu nutzen.