SleepFM Clinical: Stanford erkennt 130+ Krankheiten aus Schlafnacht

Ein interdisziplinäres Team der Stanford University Medical School hat mit SleepFM Clinical ein bahnbrechendes multimodales Schlafmodell vorgestellt, das aus einer einzigen Nacht klinischer Polysomnographie langfristige Krankheitsrisiken vorhersagen kann.

SleepFM Clinical kombiniert Daten aus Schlafaufzeichnungen, Herzfrequenzvariabilität, Atemmuster und anderen physiologischen Signalen, um ein umfassendes Bild des Schlafzustands zu erstellen. Durch den Einsatz von Deep‑Learning‑Algorithmen kann das Modell über 130 verschiedene Erkrankungen – von Herz‑ und Kreislauferkrankungen bis hin zu Stoffwechsel‑ und neurodegenerativen Störungen – prognostizieren.

Die Ergebnisse wurden in der renommierten Fachzeitschrift Nature Medicine veröffentlicht. Zusätzlich hat das Forschungsteam den gesamten Code als Open‑Source‑Projekt unter dem Namen sleepfm-clinical auf GitHub freigegeben, sodass andere Forscher und Kliniker die Technologie weiterentwickeln und in der Praxis einsetzen können.

SleepFM Clinical markiert einen wichtigen Schritt in der personalisierten Medizin: Mit nur einer Nacht Schlaf können Ärzte frühzeitig Risikofaktoren erkennen und präventive Maßnahmen gezielt planen. Die Kombination aus klinischer Genauigkeit und Open‑Source‑Verfügbarkeit verspricht, die Art und Weise, wie Schlafdaten zur Gesundheitsvorsorge genutzt werden, nachhaltig zu verändern.