26.10.2023
Frühgeburten sind die Hauptursache für Kindersterblichkeit weltweit. US-Forscher fanden einen kostengünstigen Weg, um das Frühgeburtrisiko bei Schwangeren aus deren Schlaf- und Aktivitätsdaten herauszulesen – mithilfe von Fitnesstrackern und Künstlicher Intelligenz.
Dr. Nima Aghaeepour von der Stanford-Universität und sein Team trainierten eine Künstliche Intelligenz (KI), um aus den Aktivitäts- und Schlafdaten von Schwangeren das Frühgeburtrisiko „herauszulesen“. Hierzu rekrutierten die Forschenden über 1.000 Schwangere und statteten sie mit sogenannten „Wearables“ aus. Dies sind smarte Geräte, die beispielsweise wie Uhren am Handgelenk getragen werden und Tag und Nacht Bewegungen der Trägerin erfassen.
Maschine lernt mit Daten von schwangeren Studienteilnehmerinnen
Die schwangeren Teilnehmerinnen lieferten über 180.000 Stunden an Schlaf- und Aktivitätsdaten. Zudem wurde für jede Teilnehmerin erfasst, ob die Schwangerschaft in einer Frühgeburt oder anderweitig ungünstig endete. Mithilfe dieser Daten lernte die KI, welche Veränderungen im Schlafverhalten und der körperlichen Aktivität auf ein deutlich erhöhtes Frühgeburtrisiko hinweisen und ein ärztliches Eingreifen erfordern. Kein leichtes Unterfangen – schließlich schlafen alle Schwangeren mit zunehmender Schwangerschaftsdauer schlechter und bewegen sich weniger.
Aus Schlaf- und Aktivitätsmuster lässt sich die Schwangerschaftsdauer herauslesen
Das Forscherteam fand einen typischen Takt der körperlichen Aktivität und der Schlafveränderungen während der Schwangerschaft, der stark mit dem Schwangerschaftsausgang verbunden ist. Hieraus konnten die Stanford-Forscher einen verlässlichen Algorithmus entwickeln, der anhand von Schlaf- und Aktivitätsdaten einer Schwangeren das Frühgeburtrisiko herauslesen kann. Zum Beispiel: Befindet sich eine Schwangere in der 20. Woche, aber ihr Schlaf- und Aktivitätsmuster ähnelt der 22. Woche, dann ist eine vorzeitige Geburt wahrscheinlich.
Das Stanfordteam ist zuversichtlich: Mithilfe des gefundenen Algorithmus und mittlerweile weitverbreiteten Aktivitätstrackern könnten zukünftig Schwangere kostengünstig auf ihr Frühgeburtrisiko gescreent werden, sodass die betreuende Frauenärztin oder der Frauenarzt frühzeitig medizinisch eingreifen können.
Quelle: Neal G, Ravindra et al. Deep representation learning identifies associations between physical activity and sleep patterns during pregnancy and prematurity, npj Digital Medicine (2023). DOI: 10.1038/s41746-023-00911-x