Eine im Januar 2026 in Nature Medicine veröffentlichte Studie zeigte, dass Schlaf mehr ist als nur Ruhe. Er ist ein aussagekräftiges biologisches Signal, das zukünftige Krankheitsrisiken vorhersagen kann. Forscher demonstrierten, dass sie mithilfe eines multimodalen KI-Modells namens SleepFM das Risiko für über 130 Krankheiten anhand von Schlafaufzeichnungen einer einzigen Nacht mit hoher Genauigkeit vorhersagen können (https://www.nature.com/articles/s41591-025-04133-4).

Die Studie basiert auf einem umfangreichen Datensatz mit über 585.000 Stunden an Polysomnographie-Aufzeichnungen (PSG) von rund 65.000 Personen. PSG ist eine Goldstandard-Methode der Schlafuntersuchung, die gleichzeitig zahlreiche physiologische Signale wie Hirnströme (EEG), Herzfrequenz (EKG), Atmung und Muskelaktivität aufzeichnet. SleepFM ist als Basismodell konzipiert, das die „Sprache“ des Schlafs durch die gemeinsame Analyse verschiedener Signale erlernt.

Einer der bemerkenswertesten Aspekte der Studie ist die hohe Vorhersagekraft des Modells bei Herz-Kreislauf-Erkrankungen. Es kann Ereignisse wie Herzinsuffizienz, Schlaganfall, Myokardinfarkt und Tod aufgrund von Herz-Kreislauf-Ursachen mit signifikanter Genauigkeit vorhersagen.

Insbesondere wurde in einer externen Validierung anhand eines unabhängigen Datensatzes ein AUROC-Wert von 0,88 für den Tod durch Herz-Kreislauf-Ursachen ermittelt. Dieser Wert deutet auf eine sehr hohe Diskriminierungsfähigkeit in klinischen Vorhersagemodellen hin. Ähnlich hohe Genauigkeitswerte wurden für Schlaganfall und Herzinsuffizienz erzielt. Die kombinierte Auswertung von EKG-Signalen und respiratorischen Parametern trägt maßgeblich zum Erfolg des Modells bei.

Diese Ergebnisse legen nahe, dass physiologische Signale, die während des Schlafs aufgezeichnet werden, Herz-Kreislauf-Risiken frühzeitig erkennen können, noch bevor diese klinisch manifest werden.

Schlafuntersuchungen werden in der klinischen Praxis heutzutage hauptsächlich zur Diagnose von Problemen wie Schlafapnoe, Schlaflosigkeit oder exzessiver Tagesschläfrigkeit eingesetzt. Diese Studie zeigt jedoch, dass Schlafdaten ein viel größeres Potenzial besitzen:

Die Ergebnisse bedeuten für die tägliche Praxis Folgendes:

• Die Schlafaufzeichnung einer Nacht kann Vorhersagen über das zukünftige Risiko für Herz-Kreislauf-Erkrankungen ermöglichen. Dies erlaubt ein frühzeitiges Eingreifen, insbesondere bei asymptomatischen Personen.
• Hochrisikopatienten können individuell intensivere Lebensstilinterventionen, engmaschige Überwachung oder weiterführende Untersuchungen erhalten.
• In der Allgemeinmedizin und Kardiologie können in elektronische Patientenakten integrierte Modelle der künstlichen Intelligenz Ärzten objektive Risikobewertungen liefern.
• Es kann rationaler entschieden werden, wer weiterführende Untersuchungen benötigt oder welcher Patient häufiger überwacht werden sollte.

Andererseits besteht die Studienpopulation dieser Studie hauptsächlich aus Patienten, die sich in Schlafkliniken vorgestellt haben; daher ist die direkte Übertragbarkeit auf die Allgemeinbevölkerung möglicherweise eingeschränkt. Darüber hinaus ist die Unvollständigkeit der Erklärbarkeit des Entscheidungsmechanismus des KI-Modells weiterhin Gegenstand von Diskussionen hinsichtlich der klinischen Akzeptanz. Daher sollten die Ergebnisse als Hilfsmittel zur Unterstützung der ärztlichen Beurteilung und nicht als Ersatz dafür betrachtet werden.

Die Studie basiert auf dem retrospektiven Abgleich von Schlaflabordaten mit elektronischen Patientenakten. Es ist jedoch unklar, ob alle Patienten, die eine Polysomnographie (PSG) erhielten, langfristig im selben Gesundheitssystem nachbeobachtet wurden. Das Fehlen einer zentralen nationalen Infrastruktur für elektronische Patientenakten in den USA führt dazu, dass einige Diagnosen möglicherweise in verschiedenen Einrichtungen erfasst und daher nicht im Datensatz abgebildet werden. Dies könnte zu einem Verlust von Nachbeobachtungsdaten führen, insbesondere für die langfristige Krankheitsprognose, und die Modellleistung beeinträchtigen.

Trotz der Einschränkungen dieser Studie betonen die Forscher, dass Modelle wie SleepFM zukünftig mit Schlafdaten von Wearables integriert werden könnten. Mit der zunehmenden Verbreitung von Smartwatches und Schlafsensoren für zu Hause könnte eine nicht-invasive und kontinuierliche Gesundheitsüberwachung in naher Zukunft möglich werden.