SleepFM: KI sagt 130 Krankheiten Jahre im Voraus voraus

Eine neue KI analysiert Schlafmuster und erkennt Risiken für Parkinson, Demenz und Krebs mit hoher Genauigkeit – Jahre vor dem Ausbruch. Die Technologie könnte die Vorsorgemedizin revolutionieren.

Forscher der Stanford University haben mit SleepFM ein künstliches Intelligenz-Modell entwickelt, das anhand der Daten einer einzigen Nacht über 130 verschiedene Krankheiten vorhersagen kann. Die Studie, die diese Woche im Fachjournal Nature Medicine veröffentlicht wurde, markiert einen Durchbruch in der digitalen Präventivmedizin. Das System identifiziert Frühwarnzeichen für Erkrankungen von Parkinson und Demenz bis hin zu Herz-Kreislauf-Versagen und verschiedenen Krebsarten.

Vom Schlaf-Labor zur Gesundheits-Prognose

Bislang nutzten Mediziner umfangreiche Schlaflabor-Daten, die Polysomnographie (PSG), primär zur Diagnose von Schlafstörungen wie Apnoe. Das Team um die Professoren Emmanuel Mignot und James Zou ging einen Schritt weiter. Ihre Hypothese: In den aufgezeichneten Hirnströmen, Herzfrequenzen und Atemmustern schlummerten weitaus tiefere Erkenntnisse über den allgemeinen Gesundheitszustand.

Passend zum Thema Demenz‑Vorsorge: Wenn KI-Modelle wie SleepFM frühe Warnzeichen erkennen, suchen viele Menschen schnelle Orientierung. Ein kostenloser, anonymer 7‑Fragen‑Selbsttest liefert in rund 2 Minuten eine erste Einschätzung, ob Vergesslichkeit über das Normale hinausgeht – entwickelt mit Experten und sofort auswertbar. Diskret, ohne Arzttermin; ideal für Menschen ab 50 und besorgte Angehörige. Das Ergebnis hilft Ihnen, mögliche nächste Schritte besser einzuschätzen. Jetzt anonymen Demenz‑Selbsttest machen

SleepFM funktioniert wie ein „multi-modales Foundation-Modell“ – eine KI-Architektur, die mit der von Sprach-KIs vergleichbar ist. Statt Wörter verarbeitet sie jedoch physiologische Daten. Trainiert wurde sie mit etwa 585.000 Stunden Schlafinformationen von fast 65.000 Personen, gesammelt über mehrere Jahrzehnte. Durch eine spezielle Lernmethode erkannte die KI die unsichtbaren Wechselwirkungen zwischen verschiedenen Körpersystemen im Schlaf.

Präzision, die klinische Tools übertrifft

Die Vorhersagegenauigkeit des Modells ist klinisch hoch relevant. In Tests gegen Langzeit-Gesundheitsdaten erreichte SleepFM bei der Prognose von Parkinson eine Genauigkeit (C-Index) von 0,89 und bei Demenz von 0,85. Zum Vergleich: 0,5 bedeutet Zufallstreffer, Werte über 0,7 gelten als signifikant.

Doch die KI lieferte auch bei anderen Krankheitsbildern überraschende Ergebnisse. Sie sagte Prostatakrebs mit 0,89 und Brustkrebs mit 0,87 vorher. Auch für kardiovaskuläre Ereignisse wie Herzinfarkte (0,81) zeigte sie starke Vorhersagekraft. Analysten betonen, dass diese Werte die Möglichkeiten heutiger, auf Einzeldaten fokussierter klinischer Tools oft übertreffen. Ein Schlüssel zum Erfolg scheint die Fähigkeit zu sein, „asynchrone“ Signale – wie ein schlafendes Gehirn bei wachem Puls – zu korrelieren.

Open Source und der Weg in die Wearables

Um die Verbreitung zu beschleunigen, stellte das Forschungsteam den Code für „SleepFM Clinical“ bereits am 8. Januar als Open-Source-Software auf GitHub. Dieser Schritt ermöglicht es anderen Institutionen, die Ergebnisse zu validieren und das Modell in eigene Datensätze zu integrieren. Das könnte die Entwicklung von Verbraucheranwendungen stark beschleunigen.

Die Technologie passt in den Trend, Gesundheitsdaten als kontinuierlichen Strom und nicht als Momentaufnahme zu betrachten. Experten sehen großes Potenzial in der Integration in Wearable Technology. Während heutige Fitness-Tracker nur Grundwerte erfassen, könnte ein adaptiertes SleepFM-Modell Daten fortschrittlicher Consumer-Geräte analysieren. Das Ergebnis wäre eine Art „Gesundheits-Wetterbericht“ mit Langzeitprognose.

Eine ethische Gratwanderung beginnt

Die Enthüllung von SleepFM wirft grundlegende Fragen zur Zukunft der Diagnostik auf. Professor Mignot sieht im Schlaf eine möglicherweise ergiebigere Gesundheitsinformations-Quelle als bisher angenommen, die es in manchen Bereichen mit genetischen Daten aufnehmen kann. Der achtstündige „captive state“ im Schlaf biete der KI einen einzigartigen, kontinuierlichen Einblick in das physiologische Zusammenspiel.

Gleichzeitig stellen sich drängende Fragen zu Datenschutz und Ethik. Wenn schwere Krankheiten Jahre im Voraus mit hoher Wahrscheinlichkeit vorhergesagt werden können, müssen Ärzte und Gesundheitssysteme klare Protokolle entwickeln: Wann und wie teilt man solche probabilistischen Daten mit Patienten mit?

Der nächste Schritt des Stanford-Teams ist die Erweiterung der Modellfähigkeiten. Künftige Versionen sollen Daten direkt von Wearables verarbeiten können – weg vom klinischen Schlaflabor. Gelingt dies, könnte der Zugang zu hochwertiger Krankheitsfrüherkennung demokratisiert werden. Fortschrittliche Präventivdiagnostik wäre dann für jeden mit einem kompatiblen Smart-Device verfügbar.

Hinweis: Dieser Artikel dient nur zu Informationszwecken und stellt keine medizinische Beratung dar. Das SleepFM-Modell ist ein Forschungswerkzeug und wurde noch nicht von Aufsichtsbehörden für den klinischen Diagnosegebrauch zugelassen.

PS: Gewissheit in 2 Minuten – dieser 7‑Fragen‑Check zeigt, ob Ihre Erinnerungsprobleme normal sind oder ob eine ärztliche Abklärung sinnvoll wäre. Der anonyme Test wird per Link ins E‑Mail‑Postfach gesendet und ist in etwa 2 Minuten erledigt. Ideal als erste, diskrete Orientierung für Betroffene und Angehörige. Gewissheit in 2 Minuten: Demenz‑Selbsttest starten