一晚的睡眠可能預測你患100多種疾病的風險

斯坦福大學研究人員及其同事開發的一種獨特人工智能模型，未來有望在你醒來的情況下預測你患100多種健康狀況的風險。

詳見一例最近發布的論文SleepFM 人工智能模型分析了一套全面的生理記錄，基于單一夜睡眠預測個人未來患癡呆、心力衰竭和全因死亡的風險。

SleepFM是一個基礎模型，比如ChatGPT訓練基于一個龐大的數據集，涵蓋近60萬小時的睡眠數據，這些數據來自6.5萬名參與者。ChatGPT通過文字和文本學習，而SleepFM則從各睡眠診所的睡眠數據中，每5秒為一級地學習。

相關報道：睡眠有五種檔案——以下是你的健康狀況

睡眠臨床醫生通過一種廣泛但不舒適的技術收集這些數據，稱為多導睡眠圖（巴黎圣日耳曼）。這一“黃金標準”睡眠研究利用各種傳感器追蹤大腦、心臟和呼吸系統的活動，以及腿部和眼球運動，尤其是在無意識狀態下。

“我們在研究睡眠時記錄了驚人的數量信號，”他說斯坦福睡眠醫學教授、論文聯合資深作者埃馬紐埃爾·米尼奧。

研究人員通過他們新開發的學習技術——“去一對比學習”測試了SleepFM，該技術排除了來自一種模態的數據，如脈搏讀數或呼吸氣流，迫使SleepFM根據其他生物數據流推斷缺失信息。

為了拼湊關鍵拼圖，研究人員隨后將PSG數據與數萬份關于不同年齡段患者長期健康結果的報告相結合，包括長達25年的隨訪健康記錄。

在分析了健康記錄中超過1041種疾病類別后，SleepFM能夠基于患者的睡眠數據，合理準確地預測其中130種疾病。

SleepFM在預測癌癥、妊娠并發癥、循環系統疾病和精神疾病方面尤為擅長，達到高于0.8的C指數."

“C指數0.8意味著80%的時間模型預測與實際情況一致。”解釋詹姆斯·鄒，斯坦福大學生物醫學數據科學家，也是該論文的聯合高級作者。

根據AUROC分類模型，SleepFM表現也不錯，該模型評估了SleepFM在（6年）預測期內區分患者是否經歷某種健康事件的能力。

總體而言，SleepFM超越了現有預測模型，尤其在預測方面表現出色帕金森病疾病、心臟病發作、中風、慢性腎病、前列腺癌癥乳腺癌和全因死亡率，進一步證實了不良睡眠習慣與不良健康結局之間的聯系。這可能是各種導致睡眠質量不佳的各種疾病的早期跡象。

雖然某些數據類型和睡眠階段比其他更準確的預測變量，但最佳結果歸功于身體的相互關系和對比。

具體來說，最可靠的疾病預測因子是生理功能出現不同步：“比如，一個看起來沉睡的大腦，但一顆看起來清醒的心臟——似乎預示著麻煩，”米尼奧解釋.

研究人員指出，存在若干局限性，例如近幾十年臨床實踐和患者群體的發展。此外，數據來自轉診用于睡眠研究的患者，這意味著部分普通人群在PSG數據中代表性不足。

盡管人工智能在藝術等領域存在爭議，其醫療潛力卻是拯救生命的提醒，提醒我們人工智能代理的寶貴且科學上令人敬畏的能力。例如，未來的應用場景可以將SleepFM與可穿戴睡眠設備結合，實現實時健康監測。

因此，當大型語言模型（LLM）通過連接詞語和文本來學習我們的行話時，“SleepFM本質上是在學習睡眠的語言”，Zou他說.

本研究發表于自然醫學.

寶寶起名 起名