Kunstig intelligens kan forutsi migrene basert på biofeedback-data

En ny studie publisert i The Journal of Headache and Pain viser at kunstig intelligens (KI) kan brukes til å forutsi migreneanfall flere dager i forveien. Studien er basert på data fra BioCer-studien og bygger på biofeedback-dataen fra studien. Forskningen er fortsatt i et tidlig stadie, men dette er et viktig steg mot mer personlig og forebyggende migrenehåndtering. 

I BioCer-studien gjennomførte deltakere daglige biofeedback-økter over tre måneder, samtidig som de registrerte hodepine i en digital dagbok. Sensorene målte blant annet:

• Muskelspenning i nakke
• HRV (hjerteratevariabilitet)
• Fingertemperatur

Totalt ble det samlet inn over 26 000 dager med data, hvor rundt 21 000–25 000 dager ble brukt i de ulike analysene, noe som gir et solid grunnlag for å forstå mønstre før migreneanfall.

 Hva fant forskerne?

 Ved å analysere disse dataene fant forskerne at:

• Det er mulig å forutsi migrene én dag frem i tid med ganske god treffsikkerhet
• Det er også mulig å si noe om risiko opptil tre dager frem i tid
• De viktigste signalene er tidligere hodepine (intensitet og hvor lenge den varte) og endringer i kroppens fysiologi

Kroppen begynner å endre seg før et migreneanfall – og disse endringene kan fanges opp.

Innsikt fra studien

Forskerne tok utgangspunkt i to hovedtyper data. Den ene var det deltakerne selv registrerte i appen, som om de hadde hodepine, hvor sterk den var og hvor lenge den varte. Den andre var fysiologiske målinger fra biofeedback-øktene, som HRV, fingertemperatur og muskelspenning i nakken. Ved å kombinere disse datakildene dag for dag fikk de et mer helhetlig bilde av tilstanden før et anfall oppstår.

Et viktig mål med studien var å finne ut hvilken type analyse som faktisk fungerer best. Forskerne testet både enklere metoder som ser på én og én dag isolert, og mer avanserte modeller som analyserer utviklingen over flere dager. Det viste seg tydelig at det siste ga langt bedre resultater. Når modellen fikk tilgang til flere dager med historikk – opptil omtrent en uke – klarte den å fange opp små, gradvise endringer i kroppen som ofte kommer før et migreneanfall. Dette ga en betydelig bedre treffsikkerhet enn modellene som kun vurderte enkeltpunkter i tid.

Når det gjelder hvilke signaler som faktisk var viktigst, var det særlig tre faktorer som skilte seg ut: hvor intens hodepinen nylig hadde vært, hvor lenge den hadde vart, og ulike mål knyttet til hjerterate. Dette tyder på at både det brukeren selv opplever og mer “skjulte” fysiologiske endringer spiller en rolle i tiden før et anfall. Samtidig var det ikke én enkelt variabel som kunne forklare alt – det er kombinasjonen og utviklingen over tid som er avgjørende.

Selv om resultatene er lovende, viser studien også tydelig at dette er et komplekst problem. Modellene var generelt bedre til å forutsi dager uten migrene enn dager med anfall. Det betyr at de i større grad klarer å identifisere når kroppen er stabil, enn når et anfall faktisk er på vei. Dette henger sannsynligvis sammen med at migrene varierer mye fra person til person, og at ikke alle relevante faktorer – som stress, søvn eller hormonelle endringer – er fullt ut fanget opp i dette datagrunnlaget.

Videre arbeid vil derfor handle om å forbedre både datagrunnlaget og modellene. Forskerne peker særlig på behovet for mer komplette og kontinuerlige data, slik at viktige triggere og tidlige symptomer ikke går tapt. Samtidig er det et mål å gjøre modellene mer individuelle, slik at de i større grad lærer mønstrene til hver enkelt bruker.

Studien viser at dataene fra BioCer-studien på biofeedback ikke bare gir oversikt – de kan også brukes til å se fremover. Selv om teknologien fortsatt er under utvikling, er dette et viktig steg mot mer personlig og forebyggende migrenebehandling.