Können Schlafdaten künftige Krankheiten vorhersagen?

Eine Nacht enthält viele Informationen

Bei Schlafaufzeichnungen denken Sie vielleicht zuerst an die Zahl der geschlafenen Stunden.

Detaillierte medizinische Schlafuntersuchungen erfassen deutlich mehr.

Hirnströme, Herzaktivität, Atmung, Blutsauerstoff und Muskelbewegungen: Sensoren am Körper zeichnen diese Signale die ganze Nacht auf. Die Untersuchung heißt Polysomnographie, kurz PSG (NHLBI, „Sleep Studies“).

Damit werden Schlafprobleme wie obstruktive Schlafapnoe untersucht.

Die Aufzeichnung zeigt neben der Schlafdauer auch, wie sich der Körper währenddessen verhielt. Forschende prüfen, ob diese reichen Informationen mehr zum Verständnis von Gesundheit beitragen können.

Eine KI lernt aus dem Schlaf von rund 65.000 Menschen

Die SleepFM-Studie erschien im Januar 2026 in Nature Medicine.

Das Team nutzte mehr als 585.000 Stunden Schlafuntersuchungen von ungefähr 65.000 Personen zum Lernen. Das Modell verarbeitet mehrere physiologische Signale und berücksichtigt bei Krankheitsprognosen auch Alter und Geschlecht.

Für spätere Demenz, Herzinfarkte und weitere Ereignisse wurde Vorhersageleistung aus einer Nacht berichtet. Bei Demenz lag die Kennzahl C-Index bei 0,85 (Thapa et al., 2026).

Was sagt 0,85 darüber aus, wie gut die Vorhersage ist?

0,85 ist nicht Ihre Erkrankungswahrscheinlichkeit

Der C-Index misst, wie gut die Reihenfolge tatsächlicher Ereignisse mit der Reihenfolge der von der KI vergebenen Risiken übereinstimmt.

Vereinfacht wird bei zwei vergleichbaren Menschen geprüft, ob die Person mit dem früheren Ereignis auch als stärker gefährdet eingestuft wurde.

0,85 bedeutet daher weder eine persönliche Demenzwahrscheinlichkeit von 85 Prozent noch 85 richtige Diagnosen bei 100 Menschen.

Risiken richtig zu ordnen und eine Wahrscheinlichkeit für eine bestimmte Zahl von Jahren korrekt anzugeben, muss getrennt bewertet werden. Ob vorhergesagte Wahrscheinlichkeiten zu beobachteten Ereignisraten passen, wird mit der Kalibrierung geprüft (Riley et al., 2024).

Sie müssen sich die Fachbegriffe nicht merken.

Wenn eine Studie von Genauigkeit spricht, fragen Sie, was vorhergesagt und wie die Zahl berechnet wurde. Schon dieser Schritt verändert die Einordnung.

Ein dokumentiertes Diagnosedatum ist nicht der Krankheitsbeginn

Die Studie verknüpft Schlafuntersuchungen mit späteren Diagnosen und weiteren Einträgen in elektronischen Patientenakten (Thapa et al., 2026).

Zu unterscheiden sind das Datum der dokumentierten Diagnose und der Beginn der Krankheit im Körper.

Veränderungen können schleichend fortschreiten, bevor eine spätere Untersuchung oder ein Arztbesuch zur Diagnose führt. Eine dokumentierte Diagnose vorherzusagen heißt nicht, den Krankheitsbeginn zu kennen.

Ebenso beweist eine Vorhersage aus einem Schlafmerkmal nicht, dass dieses Merkmal die Krankheit verursacht.

Die Aussage, mehr Tiefschlaf verhindere eine bestimmte Krankheit, erfordert andere, weitere Studien.

Wessen Daten geprüft wurden, ist ebenfalls wichtig

Laut ursprünglicher SleepFM-Veröffentlichung stammen viele Daten von Menschen, die wegen vermuteter Schlafprobleme oder verwandter Gründe untersucht wurden. Einige Krankheiten wurden in einer anderen Gruppe geprüft, aber nicht alle Zielgrößen gleichermaßen (Thapa et al., 2026).

Ergebnisse bei untersuchten Personen lassen sich nicht zwangsläufig unverändert auf eine breite Alltagsbevölkerung übertragen.

Dieser Grundsatz ist für medizinische KI allgemein wichtig.

Hilft das Modell auch anderen Menschen als denen im Trainingsdatensatz? Bleiben Ergebnisse in einem anderen Krankenhaus oder Zeitraum erhalten? Die Prüfung sollte dem geplanten Einsatz möglichst entsprechen (Collins et al., 2024).

Datengröße und Passung zu den vorgesehenen Nutzenden zählen beide.

Vom Schlaflabor zum Sensor am Handgelenk

Die Forschung geht weiter.

SleepFM-2 wurde im September 2026 veröffentlicht und am 2. Oktober überarbeitet. Es nutzt mehr als zwei Millionen Stunden Schlafaufzeichnungen.

Solche KI lernt Merkmale aus vielen Signalen und nutzt sie etwa für Schlafstadien oder Krankheitsprognosen. Als Grundlage verschiedener Analysen wird sie Basismodell oder Foundation Model genannt.

Die Folgestudie untersucht Schlafstadien mit am Kopf gemessenem EEG und Pulssignalen am Handgelenk sowie Krankheitsrisiken mit Bewegungsaufzeichnungen am Handgelenk. Daten und Analyse unterscheiden sich je nach Aufgabe (Thapa et al., SleepFM-2, 2026).

Stand 19. Oktober 2026 liegt die Arbeit als noch nicht begutachteter Preprint vor. Ihre Ergebnisse sind zusammen mit künftigen Überprüfungen zu lesen.

Können Merkmale aus umfassenden Schlafuntersuchungen auch mit leichter zugänglichen Sensoren funktionieren? Das macht die Fortsetzung interessant.

Geht das auch mit Schlafdaten der Apple Watch?

Vielleicht möchten Sie Ihre eigene Schlafkurve nun einer KI geben.

Angezeigte Tiefschlafminuten oder ein Schlafscore sind jedoch andere Informationen als physiologische Signalaufzeichnungen in der Forschung.

Apples technische Unterlagen von 2025 beschreiben die Schätzung der Schlafstadien anhand von Beschleunigungssignalen. Die Apple Watch misst keine Hirnströme direkt (Apple, „Estimating Sleep Stages from Apple Watch“).

Auch Studien mit Handgelenkbewegungen verwenden nicht zwangsläufig nur sichtbare Schlafzeiten oder Scores.

Welcher Sensor erfasste welche Signale, und wie wurden sie ausgewertet? Diese Unterschiede sind beim Übertragen von Forschung auf Alltagsgeräte zu prüfen.

Was kommt nach einer gelungenen Vorhersage?

Damit eine Technik der Gesundheit hilft, zählt mehr als ihre Vorhersageleistung.

Welche Untersuchung oder Beratung folgt einem hohen Risiko? Kommt notwendige Versorgung dadurch früher an? Lassen sich unnötige Untersuchungen und Belastungen vermeiden?

Medizinische Vorhersagemodelle müssen auch auf diese praktische Nützlichkeit geprüft werden (Riley et al., 2024).

Schlafdaten können bislang wenig genutzte Gesundheitshinweise enthalten. KI erweitert diese Möglichkeit allmählich.

Die Schlafkurve von heute Morgen ist keine Ankündigung künftiger Krankheiten.

Doch den Körper Nacht für Nacht sorgfältig zu untersuchen, könnte eines Tages passende Versorgung zu Menschen bringen, die sie brauchen. SleepFM ist ein Forschungsweg in diese Zukunft.