Nature Medicine dergisinde Ocak 2026’da yayımlanan bir araştırma, uykunun yalnızca dinlenme anı olmadığını ortaya koydu. Uyku aynı zamanda gelecekteki hastalık risklerini öngörebilen güçlü bir biyolojik sinyal. Araştırmacılar, SleepFM adlı çok-modlu bir yapay zekâ modelini geliştirerek, tek bir geceye ait uyku kayıtlarından 130’dan fazla hastalığın riskini yüksek doğrulukla tahmin edebildiklerini gösterdi (https://www.nature.com/articles/s41591-025-04133-4).
Çalışma, yaklaşık 65.000 kişinin 585.000 saatten fazla polisomnografi (PSG) kaydını içeren devasa bir veri setine dayanıyor. PSG; beyin dalgaları (EEG), kalp ritmi (EKG), solunum, kas aktivitesi gibi birçok fizyolojik sinyali aynı anda kaydeden altın standart bir uyku inceleme yöntemidir. SleepFM, bu farklı sinyalleri birlikte analiz ederek uykunun “dilini” öğrenen bir temel model (foundation model) olarak tasarlanmış.
Çalışmanın en çarpıcı yönlerinden biri, kardiyovasküler hastalıkların öngörülmesindeki yüksek performans. Model, kalp yetmezliği, inme, miyokard enfarktüsü ve kardiyovasküler nedenlere bağlı ölüm gibi sonuçları anlamlı doğrulukla tahmin edebilmekte.
Özellikle bağımsız bir veri setinde yapılan dış doğrulamada, kardiyovasküler nedenli ölüm için AUROC değeri 0,88 olarak rapor edilmiş. Bu değer, klinik öngörü modellerinde oldukça güçlü bir ayırt ediciliğe işaret eder. Benzer şekilde inme ve kalp yetmezliği için de yüksek doğruluk değerleri elde edilmiş. Modelin bu başarısında, EKG sinyalleri ile solunum parametrelerinin birlikte değerlendirilmesinin önemli rol oynadığı belirtiliyor.
Bu bulgular, uyku sırasında kaydedilen fizyolojik sinyallerin, henüz klinik olarak ortaya çıkmamış kardiyovasküler riskleri erken dönemde yakalayabileceğini düşündürmektedir.
Bugün klinikte uyku testleri çoğunlukla uyku apnesi, insomnia veya gündüz aşırı uyku hali gibi sorunların tanısı için kullanılıyor. Ancak bu çalışma, uyku verilerinin çok daha geniş bir potansiyele sahip olduğunu ortaya koyuyor:
Bu bulgular günlük pratikte şu anlama geliyor:
- Bir hastanın tek gecelik uyku kaydı, gelecekteki kalp-damar hastalığı riski hakkında öngörü sağlayabilir. Bu, özellikle semptomu olmayan bireylerde erken önlem alınmasını mümkün kılabilir.
- Yüksek riskli hastalar bireysel olarak daha yoğun yaşam tarzı müdahaleleri, yakın takip veya ileri tetkiklere yönlendirilebilir.
- Aile hekimliği ve kardiyoloji pratiğinde, elektronik hasta kayıtlarına entegre edilen yapay zekâ modelleri, hekimlere objektif risk skorları sunabilir.
- Kime ileri tetkik yapılacağı veya hangi hastanın daha sık izlenmesi gerektiği daha rasyonel şekilde belirlenebilir.
Diğer taraftan bu araştırmadaki çalışma popülasyonu ağırlıklı olarak uyku kliniğine başvuran hastalardan oluşmaktadır; bu nedenle genel toplum için doğrudan genellenebilirlik sınırlı olabilir. Ayrıca yapay zekâ modelinin karar mekanizmasının tam olarak açıklanabilir olmaması, klinik kabul açısından halen bir tartışma konusudur. Bu nedenle sonuçlar, hekim değerlendirmesinin yerine değil, onu destekleyici araçlar olarak görülmelidir
Çalışma, uyku laboratuvarı verilerinin elektronik hasta kayıtlarıyla geriye dönük olarak eşleştirilmesine dayanmaktadır. Ancak PSG yapılan tüm hastaların uzun dönem boyunca aynı sağlık sisteminde izlenip izlenmediği net değildir. ABD’de merkezi bir ulusal EHR altyapısının bulunmaması, bazı tanıların farklı kurumlarda kayda girmiş ve veri setine yansımamış olabileceği anlamına gelmektedir. Bu durum, özellikle uzun dönem hastalık tahminlerinde eksik olay kaydı (loss to follow-up) riskini doğurabilir ve model performansını etkileyebilir.
Sonuçta bu araştırmanın kısıtlılıklarına rağmen araştırmacılar, SleepFM gibi modellerin gelecekte giyilebilir cihazlardan gelen uyku verileriyle entegre edilebileceğini vurguluyor. Akıllı saatler ve ev tipi uyku sensörleri yaygınlaştıkça, yakın gelecekte invazif olmayan ve sürekli sağlık izleme mümkün hale gelebilir.
