Forscher der Stanford University haben ein KI-System trainiert, das aus einer einzigen Schlafstudie das Risiko von über 100 Erkrankungen vorhersagen kann – darunter Krebs, Demenz und Herzerkrankungen. Die Studie, am 6. Januar 2026 in Nature Medicine erschienen, könnte die Präventivmedizin grundlegend neu ausrichten.
Stanford-KI analysiert Schlafdaten und erkennt Krankheitsrisiken Jahre vor Ausbruch
Forschende der Stanford University haben ein KI-System entwickelt, das anhand einer einzigen Nacht Schlafdaten das Risiko von mehr als 100 Erkrankungen vorhersagen kann – darunter Krebs, Demenz und Herzerkrankungen. Die Ergebnisse wurden am 6. Januar 2026 im Fachjournal Nature Medicine veröffentlicht und könnten die Früherkennung in der Medizin grundlegend verändern.
Trainingsbasis: 600.000 Stunden Schlafdaten
Das System trägt den Namen SleepFM und wurde auf Basis von rund 600.000 Stunden Schlafaufzeichnungen trainiert, die von 65.000 Personen stammen. Als Datengrundlage diente die Polysomnographie – ein klinisches Verfahren, das während des Schlafs eine Vielzahl physiologischer Signale erfasst: Hirnaktivität, Herzfunktion, Atemfrequenz, Augenbewegungen sowie Bein- und Körperbewegungen.
Polysomnographie gilt als Goldstandard in der Schlafdiagnostik und wird primär zur Erkennung von Schlafstörungen eingesetzt. Die dabei anfallenden Datenmassen wurden bislang jedoch nur in Teilen ausgewertet.
„Wir erfassen eine bemerkenswerte Anzahl von Signalen, wenn wir den Schlaf untersuchen. Es ist eine Art allgemeiner Physiologie, die wir acht Stunden lang bei einer Person untersuchen, die völlig ruhig ist. Die Datendichte ist enorm.”
— Emmanual Mignot, Professor für Schlafmedizin, Stanford University, Co-Hauptautor der Studie
Muster in Körpersignalen als Frühwarnindikatoren
SleepFM identifiziert subtile Abweichungen und Wechselwirkungen zwischen verschiedenen Körperfunktionen, die sich im Schlaf manifestieren – lange bevor klinische Symptome auftreten. Das Modell erkennt dabei keine isolierten Anomalien, sondern analysiert das Zusammenspiel von Gehirn-, Herz- und Atemsignalen auf der Suche nach charakteristischen Mustern, die mit späteren Erkrankungen korrelieren.
Die Fähigkeit, Krankheitsrisiken Jahre vor ihrem Auftreten zu quantifizieren, eröffnet einen neuen Ansatz in der Präventivmedizin: Statt reaktiver Behandlung könnten Interventionen zu einem Zeitpunkt ansetzen, an dem sie statistisch wirksamer sind.
Relevanz für Versicherungswirtschaft und betriebliches Gesundheitsmanagement
Für die Gesundheits- und Versicherungswirtschaft sind die Implikationen erheblich. Kranken- und Lebensversicherer könnten Schlafdaten künftig als zusätzliche Risikodimension bei der Tarifgestaltung heranziehen – sofern regulatorische und datenschutzrechtliche Rahmenbedingungen dies erlauben. In Deutschland stellt insbesondere die DSGVO hohe Anforderungen an den Umgang mit biometrischen und Gesundheitsdaten, was den Einsatz entsprechender Modelle in der Versicherungspraxis an strenge Voraussetzungen knüpft.
Im betrieblichen Gesundheitsmanagement könnten schlafbasierte Screenings als ergänzendes Instrument in Vorsorgeprogrammen Einzug halten – etwa in Kombination mit bestehenden Gesundheitschecks oder Wearable-Daten.
Einordnung für deutsche Unternehmen
Für deutsche Unternehmen im Bereich Digital Health, Medizintechnik und Versicherungs-IT ist SleepFM ein Hinweis auf eine sich abzeichnende Marktentwicklung: Schlaf als diagnostische Datenbasis gewinnt an klinischer und wirtschaftlicher Relevanz. Startups und etablierte Anbieter, die Polysomnographie-Geräte, Schlaflabor-Software oder Wearables entwickeln, sollten die Integration von Risikomodellen auf Basis multimodaler Biosignale in ihre Produktstrategie einplanen.
Die eigentliche Marktfähigkeit wird jedoch davon abhängen, wie schnell regulatorische Zulassungsprozesse – sowohl durch die EU-KI-Verordnung als auch das Medizinprodukterecht – entsprechende Anwendungen für den klinischen Einsatz freigeben.
Quelle: ScienceDaily AI – Stanford Sleep Study (Januar 2026)
