1月6日，一项突破性研究揭示：夜晚的睡眠状态可能蕴含着预测未来重大疾病的关键线索。
斯坦福大学医学院的研究人员开发了一种创新的人工智能系统——SleepFM。这项技术通过分析单晚睡眠中的多维生理信号，能够评估个体在未来可能罹患的多种疾病的风险概率。
睡眠研究： unlocking健康密码
多导睡眠监测技术作为最可靠的睡眠研究工具，不仅能诊断睡眠障碍，更能捕捉到人体机能运转的关键信息。
“在分析睡眠数据时，我们发现其蕴含的信息量巨大。”医学博士、哲学博士埃马纽埃尔·米格诺特指出，他是这项研究的共同资深作者之一。”这相当于获得了一整夜的全面生理检测数据，而传统研究往往只关注其中一小部分。人工智能的发展让我们首次能够系统性地解析这些海量数据。”
AI解码睡眠语言
SleepFM采用了与ChatGPT类似的技术原理，但其训练对象是人体的生理信号而非文本。
研究团队从多家睡眠诊所收集了58.5万小时的监测数据，并将每段记录分割成5秒片段进行分析。这种方法类似于语言模型对词汇的学习过程。
“SleepFM实际上是在学习’睡眠的语言'”，邹嘉彦博士解释道。通过整合脑电波、心脏信号、肌肉活动等多种数据流，该模型能够识别这些生理信号之间的复杂关联。
睡眠与疾病预测
在测试中，SleepFM不仅在睡眠阶段划分等常规任务上表现出色，在更具挑战性的疾病预测任务中也展现出令人瞩目的能力。
通过整合长期病历数据，研究团队发现睡眠模式与未来健康风险之间存在显著关联。特别是针对癌症、妊娠并发症和循环系统疾病，模型表现尤为突出。
最终，SleepFM成功识别了130种可通过睡眠数据分析预测的疾病。在帕金森病、痴呆症和高血压性心脏病等疾病的预测中，一致性指数（C-index）均超过0.8。
评估与展望
一致性指数用于衡量模型对个体患病风险排序的准确性。例如，在帕金森病的预测中，该模型的一致性指数达到了惊人的0.89。
“这一水平远超现有临床工具的表现”，邹嘉彦表示，”目前常用的预测系统一致性指数通常在0.7左右。”
解读睡眠密码
研究团队正在努力优化模型性能，并深入解析其预测机制。未来版本的SleepFM可能集成可穿戴设备数据，以提供更多维度的健康信息。
“虽然模型本身无法用人类语言解释其预测逻辑，但我们已经开发了专门工具来分析这些关联性。”邹嘉彦补充道。
研究发现，不同生理系统信号的协调程度对健康状态具有重要影响。当大脑与心脏等系统的信号出现脱节时，往往预示着潜在的健康风险。
相关文章
