В Стэнфорде представили инновационную модель SleepFM, использующую данные одной ночи сна для оценки вероятности более 130 заболеваний, включая деменцию и болезни сердца. Основой разработки стало переосмысление полисомнографии, где традиционное подключение множества датчиков не позволяло эффективно использовать накопленные данные. Команда Стэнфорда собрала обширный датасет из 585 тысяч часов сна от более 65 тысяч пациентов и применила новый подход self-supervised learning, который позволяет модели учиться на взаимосвязях между физиологическими сигналами. В результате SleepFM демонстрирует высокую точность в предсказании заболеваний: до 89% для болезни Паркинсона и 81% для сердечного приступа. Эта модель открывает перспективы для использования носимой электроники в ранней диагностике заболеваний, что может революционизировать подход к мониторингу здоровья.