SleepVLM: Un Modello Visione-Linguaggio per la Classificazione del Sonno Auditabile

Uno studio recente presenta SleepVLM, un modello visione-linguaggio volto a migliorare l'auditabilità e l'affidabilità della classificazione automatica del sonno. La classificazione del sonno è essenziale per valutare la qualità del sonno e diagnosticare disturbi. Sebbene i sistemi automatici attuali raggiungano quasi l'accuratezza umana, la loro natura opaca ostacola l'uso clinico. Le attuali tecniche di interpretabilità offrono una visione limitata e richiedono una ri-analisi da parte di esperti. SleepVLM migliora questo aspetto trattando la classificazione del sonno come una sfida di ragionamento visivo utilizzando immagini di forme d'onda di polisonnografia (PSG) renderizzate. Fornisce lo stadio del sonno per ogni epoca, le regole pertinenti dell'American Academy of Sleep Medicine (AASM) e una motivazione verificabile. Il modello impiega un processo di addestramento in due fasi: Pre-addestramento Percettivo delle Forme d'Onda e Fine-Tuning Basato su Regole. Questa ricerca è disponibile su arXiv con identificatore 2603.26738, etichettata come 'replace-cross'. Questo avanzamento potrebbe promuovere una maggiore trasparenza nelle applicazioni AI nella medicina del sonno clinica, favorendo una più ampia accettazione dei sistemi automatici in ambito sanitario.