SleepFM: KI sagt über 100 Krankheiten aus einer Nacht Schlaf voraus

Stanford-Forscher haben eine KI entwickelt, die das Risiko für Herzinfarkt, Parkinson und Krebs aus Schlafdaten berechnet – oft Jahre vor ersten Symptomen. Die Technologie könnte die Vorsorgemedizin revolutionieren.

Das System namens SleepFM analysiert die komplexen physiologischen Signale einer einzigen Nacht und sagt daraus mehr als 130 verschiedene Krankheitsrisiken voraus. Die Studie im Fachjournal Nature Medicine beschreibt einen Durchbruch bei der Anwendung sogenannter Foundation-Modelle auf biologische Daten. “Wir haben eine versteckte Sprache der Gesundheit entschlüsselt, die die traditionelle Medizin weitgehend übersehen hat”, erklärt das Forschungsteam.

Die verborgenen Muster der Nacht

Die Grundlage von SleepFM bilden gewaltige Datenmengen: Das Modell wurde mit etwa 600.000 Stunden Polysomnographie-Daten von rund 65.000 Personen trainiert. Diese Untersuchungen, eigentlich Standard zur Diagnose von Schlafapnoe, erfassen ein ganzes Spektrum körperlicher Aktivität – von Gehirnströmen (EEG) über Herzrhythmus (EKG) bis zu Atemmuster und Muskelaktivität.

Vergessen Sie öfter Namen oder machen Sie sich Sorgen, ob erste Symptome auf eine beginnende Demenz hindeuten könnten? Aktuelle Forschung, wie die Stanford‑Studie zu SleepFM, zeigt, dass sich frühe Warnsignale bereits in Schlafmustern verbergen können. Ein anonymer 2‑Minuten‑Selbsttest mit 7 Fragen liefert in kurzer Zeit eine erste Einschätzung – vertraulich, ohne Arzttermin und als erster Hinweis, ob eine genauere Abklärung sinnvoll ist. Gewissheit: 2‑Minuten‑Demenz‑Selbsttest starten

Bisher konzentrierten sich Ärzte bei der Auswertung auf wenige, schlafbezogene Kennzahlen. Die Stanford-KI hingegen analysiert das gesamte verfügbare Signal-Spektrum. “Wir behandeln diese physiologischen Daten ähnlich wie Sprach-KIs Text”, sagt Emmanuel Mignot, Professor für Schlafmedizin und Co-Autor der Studie. So erkennt SleepFM komplexe Muster, die für das menschliche Auge unsichtbar bleiben.

Das Modell bewertet, wie verschiedene Körpersysteme während des Schlafs interagieren. Es erkennt subtile Ungleichgewichte – etwa einen Herzschlag, der Wachheit signalisiert, während die Gehirnwellen Tiefschlaf anzeigen. Solche Diskrepanzen können auf zugrundeliegenden physiologischen Stress oder Krankheitsprozesse hindeuten.

Präzise Vorhersagen Jahre im Voraus

Die Ergebnisse übertreffen laut Studie aktuelle klinische Werkzeuge bei weitem. SleepFM identifizierte Personen mit hohem Risiko für 130 verschiedene Krankheitskategorien – mit bemerkenswerter Genauigkeit.

Besonders stark ist das System bei neurodegenerativen und kardiovaskulären Erkrankungen. Für Parkinson erreicht SleepFM einen Concordance-Index (C-Index) von 0,89, für Demenz 0,85. Zum Vergleich: Gängige klinische Risikomodelle liegen meist bei Werten um 0,7. Der C-Index misst die Vorhersagegenauigkeit, wobei 1,0 perfekt und 0,5 Zufall bedeutet.

Auch bei anderen Krankheiten zeigt die KI starke Leistung: Hypertensive Herzerkrankungen (0,84), Herzinfarkt-Risiko (0,81), Prostatakrebs (0,89) und Brustkrebs (0,87). “Wir waren überrascht, wie informativ die Vorhersagen über so unterschiedliche Krankheiten hinweg sind”, gesteht Co-Autor James Zou. Offenbar enthalten Schlafdaten weit mehr allgemeine Gesundheitsinformationen als bisher angenommen.

Vom Schlaflabor zur flächendeckenden Vorsorge

Die Technologie könnte Millionen bereits durchgeführter Schlafuntersuchungen einen neuen Zweck geben. Statt nur Schlafstörungen zu diagnostizieren, könnten diese Tests künftig als umfassende Gesundheits-Checks dienen – ohne zusätzliche Eingriffe für Patienten.

Die Studie bestätigt zudem den “multimodalen” Ansatz medizinischer KI. Während Herzsignale natürlich Herzprobleme besser vorhersagen und Gehirnsignale neurologische, kamen die genauesten Prognosen stets aus der kombinierten Analyse aller Signale. Diese ganzheitliche Betrachtung erlaubt es der KI, die systemische Natur von Krankheiten zu erfassen, wie sie sich in der nächtlichen Physiologie zeigt.

Hürden auf dem Weg in die Praxis

Trotz des Erfolgs stehen klinische Anwendungen noch vor Herausforderungen. Medizinische KI-Systeme müssen in diversen Bevölkerungsgruppen validiert werden, um Verzerrungen zu vermeiden. Die Stanford-Studie nutzte Daten eines einzelnen Zentrums – externe Validierung ist der nächste kritische Schritt.

Hinzu kommt die Black-Box-Problematik: SleepFM kann ein hohes Parkinson-Risiko vorhersagen, aber warum? Dieses Verständnis ist für Ärzte entscheidend, um der Information zu vertrauen. Die Forscher arbeiten bereits an Interpretations-Techniken, die visualisieren, welche spezifischen Schlafmuster die Risikobewertungen antreiben.

Die Zukunft: Vorsorge per Smartwatch?

Das Stanford-Team plant nun, SleepFM für Wearables wie Smartwatches und Schlafringe anzupassen. Polysomnographie liefert zwar die detailliertesten Daten, aber Consumer-Geräte sind allgegenwärtig. Könnte eine Version von SleepFM mit deren begrenzten Sensoren ähnliche Vorhersagekraft erreichen, ließe sich dieser Frühwarnmechanismus demokratisieren.

Aktuell bleibt die Technologie ein Forschungswerkzeug. Doch die Entwickler sehen eine Zukunft voraus, in der standardmäßige Schlaftests den Weg zu ganzheitlichem Gesundheits-Monitoring ebnen. Mit weiterer Validierung und regulatorischer Zulassung könnte KI-gestützte Schlafanalyse Routine in der Vorsorge werden – und lebensbedrohliche Krankheiten Jahre vor ihrem Ausbruch erkennen.

PS: Sie möchten aktiv etwas für Ihre geistige Fitness tun, bevor erste Warnsignale auftreten? Der Gratis‑Report “Gehirntraining leicht gemacht” liefert 7 bewährte Geheimnisse, 11 alltagstaugliche Übungen und einen Selbsttest, mit dem Sie Konzentration und Gedächtnis stärken können — ideal zur Prävention und Ergänzung ärztlicher Vorsorge. Der PDF‑Guide kommt sofort per E‑Mail und ist speziell für alle gedacht, die ihr Demenz‑Risiko senken wollen. Gratis‑Report ‘Gehirntraining leicht gemacht’ herunterladen