Neues KI-Modell prognostiziert Gesundheitsrisiken basierend auf Schlafdaten

Revolutionäre Einblicke: KI entdeckt Frühwarnsignale für Krankheiten im Schlaf

Die moderne Medizin steht an der Schwelle zu einer neuen Ära der Prävention und Diagnostik, maßgeblich angetrieben durch Fortschritte im Bereich der Künstlichen Intelligenz (KI). Eine aktuelle Entwicklung, die in Fachkreisen auf großes Interesse stößt, ist das KI-Modell SleepFM. Dieses Modell, das an der renommierten Stanford University entwickelt wurde, verspricht, das Potenzial von Schlafdaten für die frühzeitige Erkennung einer Vielzahl schwerwiegender Erkrankungen neu zu definieren.

Die "Sprache des Schlafs" entschlüsseln

Im Zentrum dieser Innovation steht die Polysomnographie, eine umfassende Untersuchung des Schlafs, bei der simultan eine Vielzahl physiologischer Parameter erfasst wird. Dazu gehören unter anderem Hirnströme (EEG), Herzaktivität (EKG), Atmung, Muskelspannung sowie Augen- und Beinbewegungen. Traditionell dienen diese Daten der Diagnose von Schlafstörungen wie Schlafapnoe. Das Team um Rahul Thapa und James Zou an der Stanford University hat diese riesigen und komplexen Datensätze nun jedoch auf eine neuartige Weise genutzt.

Das KI-Modell SleepFM wurde mit rund 585.000 Stunden Schlafaufzeichnungen von etwa 65.000 Personen trainiert. Diese Daten stammen hauptsächlich aus dem Stanford Sleep Medicine Center, ergänzt durch weitere Datensätze aus den USA und Europa. Durch dieses umfangreiche Training lernte die KI, die subtilen Zusammenhänge und Muster innerhalb der verschiedenen Körpersignale während des Schlafs zu erkennen – eine Art "Schlafsprache". Die Daten wurden dabei in Fünf-Sekunden-Abschnitte zerlegt, um der KI ein detailliertes Verständnis der physiologischen Abläufe zu ermöglichen.

Prognose von über 130 Krankheiten Jahre im Voraus

Der Kern der Studie war die Verknüpfung dieser Schlafdaten mit elektronischen Gesundheitsakten, die teilweise bis zu 25 Jahre zurückreichten. Auf diese Weise konnten die Forschenden untersuchen, welche späteren Diagnosen sich aus den Mustern einer einzigen Nacht im Schlaflabor ableiten lassen. Das Ergebnis war bemerkenswert: Aus über 1000 Krankheitskategorien konnte SleepFM das Risiko für 130 Erkrankungen mit mindestens moderater bis hoher Genauigkeit prognostizieren.

Zu den Krankheiten, bei denen das Modell besonders treffsicher war, zählen:

• Demenz
• Parkinson
• Herzinfarkt
• Herzinsuffizienz
• Spezifische Krebsarten (z.B. Prostata- und Brustkrebs)
• Gesamtsterblichkeit

James Zou, einer der Co-Autoren, hebt hervor, dass die Vorhersagen "Jahre, bevor die ersten Symptome auftreten", möglich sind. Dies eröffnet Perspektiven für eine präventive Medizin, die weit über den aktuellen Standard hinausgeht.

Die Rolle von Inkonsistenzen: Was die KI im Schlaf sucht

Eine tiefere Analyse der KI-Ergebnisse offenbart, dass nicht einzelne, isolierte Signale, sondern vielmehr das Zusammenspiel und potenzielle Inkonsistenzen zwischen verschiedenen physiologischen Messwerten entscheidend sind. So tragen Herzsignale maßgeblich zur Vorhersage von Herz-Kreislauf-Erkrankungen bei, während Gehirnsignale für neurologische und psychische Störungen relevanter sind. Die höchste Aussagekraft ergibt sich jedoch aus der Kombination der Signale.

Ein Beispiel hierfür ist die Situation, wenn das Elektroenzephalogramm (EEG) einen stabilen Schlafzustand anzeigt, das Herz jedoch Signale sendet, die eher auf einen "wachen" Zustand hindeuten. Solche Widersprüche zwischen Gehirn- und Herzaktivität könnten auf verborgene Belastungen oder frühe Krankheitsprozesse hinweisen, lange bevor klinische Symptome offensichtlich werden. Sebastian Buschjäger, Schlafexperte am Lamarr-Institut der TU Dortmund, der nicht an der Studie beteiligt war, betont, dass KI-Modelle solche statistischen Zusammenhänge aufdecken können, die dann von medizinischem Fachpersonal validiert werden müssen.

Chancen und Grenzen der neuen Technologie

Trotz des enormen Potenzials betonen die Forschenden die Grenzen des SleepFM-Modells. Es handelt sich um ein System, das Korrelationen und statistische Muster erkennt, jedoch keine kausalen Zusammenhänge aufdeckt. Matthias Jakobs, Informatiker an der TU Dortmund, der im Bereich der KI-Analyse von Schlafdaten forscht, weist darauf hin, dass die meisten KI-Verfahren keine kausalen Zusammenhänge lernen. Die KI kann somit ein Frühwarnsystem sein, aber die Ursachenforschung und die daraus resultierenden Therapieentscheidungen bleiben Aufgabe des medizinischen Personals.

Ein weiterer wichtiger Punkt betrifft die Datengrundlage. Die Studie basierte primär auf Daten von Personen, die sich aufgrund von Schlafproblemen in Schlaflaboren befanden. Dies deutet auf eine hochselektierte Stichprobe hin, die möglicherweise nicht repräsentativ für die allgemeine Bevölkerung ist. Ob das KI-Modell auch bei gesunden Menschen mit derselben Genauigkeit Vorhersagen treffen kann, bedarf weiterer Forschung.

Dennoch sehen Experten wie Walter Karlen, Professor für Biomedizinische Technik an der Universität Ulm, großes Potenzial in der Technologie. Er betont, dass die im Netzwerk gelernte Information nützlich sein kann, um Krankheiten zu erkennen, auch wenn die Praxistauglichkeit für individuelle Vorsorgeuntersuchungen noch nicht gegeben ist. Die Komprimierung riesiger Polysomnographie-Datenmengen durch KI in sogenannte Embeddings ermöglicht eine schnellere und präzisere Auswertung, was Ärzte entlasten und ihnen mehr Zeit für die Patientenbetreuung verschaffen könnte.

Ethische Implikationen und zukünftige Perspektiven

Die Möglichkeit, Krankheitsrisiken Jahre im Voraus zu kennen, wirft auch ethische Fragen auf. Die Frage, ob und in welchem Umfang Menschen über potenzielle zukünftige Erkrankungen informiert werden möchten, bei denen noch keine direkten Präventions- oder Heilungsmöglichkeiten bestehen, ist von großer Relevanz. Dieter Riemann, ehemaliger Leiter der Schlafmedizin an der Universität Freiburg, weist darauf hin, dass es ethische Überlegungen gibt, ob man solche Informationen überhaupt wissen möchte.

Trotz dieser Herausforderungen sehen die Forschenden in SleepFM einen wichtigen Schritt. Wenn sich bestimmte Signalprofile im Schlaf konsistent mit einzelnen Erkrankungen verbinden lassen, könnten diese Hinweise auf frühe Störungen im Nervensystem, Herz-Kreislauf-System oder Immunsystem geben. Dies könnte nicht nur zu einer gezielteren Prävention führen, sondern auch dazu beitragen, die Gesundheit von Menschen außerhalb der bisherigen Schlaflabor-Kohorten besser zu verstehen und zu unterstützen. Die Integration von Daten aus Wearables wie Fitnessarmbändern in zukünftige Analysen könnte die Datengrundlage erweitern und die Vorhersagefähigkeiten der KI weiter verbessern.

Die Entwicklung von SleepFM illustriert eindrucksvoll, wie KI als Partner in der medizinischen Forschung und Praxis agieren kann. Sie bietet Werkzeuge, um komplexe Datenmengen zu interpretieren, Muster zu erkennen und somit neue Einblicke in die menschliche Gesundheit zu gewinnen. Die Verantwortung für Diagnose und Therapie bleibt dabei stets in den Händen des Menschen, während die KI als leistungsstarkes Unterstützungssystem dient.

Bibliography: - Alexander Freund (2026): KI erkennt Risiko für 130 Krankheiten - im Schlaf. DW.com. - Alexander Freund (2026): KI erkennt Risiko für 130 Krankheiten - im Schlaf. DW.com. - Veronika Simon & Emily Burkhart (2026): Kann KI anhand des Schlafs Krankheiten vorhersagen? BR24. - n-tv NACHRICHTEN (2026): Warnung Jahre vorher: KI sagt schwere Krankheiten im Schlaf voraus. n-tv.de. - Claudia Ehrenstein (2026): Gesundheit: KI erkennt Risiko für Krankheiten – Nichtwissen muss eine Option bleiben. WELT. - FR.de (2026): KI-Modell berechnet Risiko für Krankheiten aus Schlafdaten. fr.de. - Spektrum.de (2026): So erkennen Forscher im Schlaf 130 Krankheiten, die erst Jahre später auftreten. FOCUS online. - Anna Desmarais (2026): Studie: KI erkennt Risiken für über 100 Krankheiten nach nur einer Nacht Schlaf. Euronews. - Veronika Simon (2026): Kann KI mithilfe von Schlafanalysen Krankheiten vorhersagen? SWR.de. - Eike Kühl (2026): Daten aus einer einzigen Nacht: Neues KI-Modell sagt mehr als 100 Krankheitsrisiken aus Schlafdaten voraus. t3n.de.