آگاه: وبگاه سای‌تک‌دیلی در گزارشی آورده است: این سامانه هوش مصنوعی که اسلیپ اف‌ام/ SleepFM نام دارد، با یادگیری از گنجینه‌ای عظیم متشکل از ۵۸۵ هزار ساعت داده خواب (معادل ۶۶ سال ثبت پیوسته) از حدود ۶۵ هزار بیمار آموزش دیده است. این داده‌ها از طریق تست جامع خواب (پلی‌سومنوگرافی) در کلینیک‌های تخصصی جمع‌آوری شده که در آن امواج مغز، ریتم قلب، الگوی تنفس و حرکات بدن در طول شب به دقت ردیابی می‌شود.
جیمز زو (James Zou)، از نویسندگان ارشد این مطالعه که نتایج آن در نشریه معتبر نیچر مدیسین/ Nature Medicine منتشر شده است، می‌گوید: اسلیپ اف‌ام در اصل در حال یادگیری زبان خواب است. ما راهی فنی ابداع کردیم تا همه این سیگنال‌های مختلف بدنی با هم گفت‌وگو کنند و زبانی مشترک بیاموزند.
نکته کلیدی که پژوهشگران به آن دست یافتند این بود که دقیق‌ترین پیش‌بینی‌ها نه از یک سیگنال مجزا، بلکه از ترکیب و تقابل همه کانال‌های داده حاصل می‌شود. به بیان ساده، زمانی که بخش‌های مختلف بدن ناهماهنگ به نظر می‌رسند، مانند زمانی که مغز در خواب عمیق به‌سر می‌برد اما قلب علائم بیداری و استرس را نشان می‌دهد، می‌تواند نشانه‌ای هشداردهنده از یک مشکل آینده باشد.
امانوئل میگنو (Emmanual Mignot)، دیگر محقق ارشد این مطالعه، توضیح می‌دهد: بیشترین اطلاعات برای پیش‌بینی بیماری، از مقایسه و تقابل کانال‌های مختلف به‌دست آمد. به نظر می‌رسد ناهمزمانی اجزای بدن خبر از مشکل می‌دهد. این مدل هنوز توضیح نمی‌دهد که دقیقا بر چه اساسی پیش‌بینی می‌کند، اما گام بعدی پژوهشگران، توسعه روش‌هایی برای تفسیر تصمیمات این هوش مصنوعی است. چشم‌انداز نهایی، ادغام این فناوری با داده‌های دستگاه‌های پوشیدنی مانند ساعت‌های هوشمند است تا پایش سلامت، کاملا شخصی و همگانی شود.