De paper over het AI-model SleepFM, gepubliceerd in Nature Medicine, kwam binnen, zo bij de eerste koffie na een minder geslaagde nacht. Een model dat gebruik maakt van een combinatie van uiteenlopende slaapdata (breinsignalen, zuurstofsaturatie in het bloed, beenbeweging, elektrocardiogram, snurken en ademhaling), en dat getraind werd op ruim een half miljoen uur aan slaapdata, kan het risico voorspellen op dementie, nierproblemen, hartziekten en zelfs overlijden. Na de training van het model bleek één nacht aan data van een individu al genoeg om gezondheidsvoorspellingen te doen op lange termijn.
We wisten al dat slaap een samenvatting is van de fysiologische processen in ons lichaam. Waar het aan ontbrak, was een manier om verschillende soorten datasets bij elkaar te brengen en verbanden te ontwaren. Om, anders gezegd, de biologie als onderliggende taal te lezen. De transformermodel-architectuur van SleepFM blijkt net daar goed in. Dat betekent overigens niet dat we biologisch ‘begrijpen’ waarom die verbanden er zijn, maar ze zijn er nu eenmaal.
De studie heeft beperkingen: zo werd gewerkt met patiënten van een slaapkliniek, bijvoorbeeld. Na verdere validatie richting algemene bevolking, en na koppeling met nog meer medische datastromen, zal het model alleen maar preciezer en relevanter worden. Die continue datastromen groeien trouwens. Slimme horloges geven inzicht in beweging en hartslag. Slimme pillen meten tot diep in onze darmen. Ons genoom en later ook ons proteoom (de eiwitten in ons lichaam) wordt toegankelijk. De patronen in die data openen de deur naar voorspelling in plaats van beschrijving. Iets ‘weten’ op medisch vlak, evolueert zo van vaststellen wat al bestaat naar inschatten van de waarschijnlijkheid van wat zou kunnen gebeuren. Maar waarschijnlijkheid is geen zekerheid.
Het brengt ons bij een fundamenteel ethisch vraagstuk: is die kennis wenselijk? Wat met ziektes waar op dit ogenblik geen goede remedie voor bestaat? Of wat met een 30% kans op cardiovasculaire aandoeningen? Bijna iedereen heeft een cardiovasculaire risicofactor. En we weten al vrij goed wat we moeten doen: genoeg slapen, gezond eten, genoeg bewegen.
Zelfs bij kankerdiagnoses, waarvan je zou denken dat ‘er vroeg bij zijn’ een enorm voordeel is, blijkt zo’n voorspelling niet automatisch te helpen.
Zelfs bij kankerdiagnoses, waarvan je zou denken dat ‘er vroeg bij zijn’ een enorm voordeel is, blijkt zo’n voorspelling niet automatisch te helpen. Grail, een bedrijf dat een test ontwikkelde om kanker vroeger te voorspellen via een bloedstaal, moest eerder dit jaar toegeven dat er voor de patiënt voorlopig nog géén voordeel is qua overlevingskans. Je kan dus wel voorspellen of iemand kanker krijgt, maar je kan hen niet redden. Dat is een ontnuchterende vaststelling.
Moeten we die nieuwe informatie dan maar laten varen? Dat denk ik niet. Voor heel wat aandoeningen is er wél gezondheidswinst te boeken via klassieke preventie. Elke dag maken we keuzes die onze gezondheid beïnvloeden. Een gepersonaliseerd medisch toekomstvisioen kan een wake-up call zijn om gezonder te eten of meer te bewegen.
Bovendien valt het niet uit te sluiten dat we ooit preventieve medicatie innemen om onze gezondheidsrisico’s te managen. Terwijl dat vandaag nog het discutabele domein is van peptiden-injecterende biohackers in Silicon Valley - zou zo'n praktijk in de toekomst gerationaliseerd kunnen worden, gebaseerd op de risico-inschattingen van modellen als SleepFM. Maar, misschien moeten we daar nog eens een nachtje over slapen.
Deze column verscheen eerder in De Tijd.
Peter Peumans behaalde een doctoraat als elektrisch ingenieur aan Princeton University, en een bachelor- en masterdiploma aan de Katholieke Universiteit Leuven. Voor hij bij imec in dienst trad, was Peter Peumans professor Electrical Engineering aan de Stanford University. Hij ontving een NSF CAREER award en een Belgian-American Educational Foundation honorary fellowship. Hij is momenteel verantwoordelijk voor imec's strategie in gezondheid.
Gepubliceerd op:
4 mei 2026
