提前多年预警：人工智能通过睡眠预测重病风险
“我会不会心脏病发作？是否会患上痴呆症或癌症？”这是许多人心中的隐忧。如今，一个全新的人工智能模型或许能给出答案——而且准确率相当高。该系统通过分析人在睡眠中的脑电、心脏活动等信号，仅凭一次测量，就能预测多种严重疾病的长期风险。睡眠不仅仅是休息。一个美国研究团队发现，夜间的身体数据中隐藏着大量关于未来健康状况的重要线索。研究人员开发了一种名为 SleepFM 的人工智能模型，它能够基于一次睡眠测量，评估罹患多种重病的风险。该系统会分析复杂的睡眠信号，并识别出那些与数年后出现的癌症、心血管疾病、痴呆症，甚至死亡风险相关的模式。相关研究成果已发表在医学期刊《Nature Medicine》上。
基于海量睡眠数据训练
SleepFM 的训练数据规模十分庞大：研究团队使用了约6.5万名受试者、累计近60万小时的睡眠记录。这些数据来自所谓的多导睡眠监测（Polysomnografie）——一种在睡眠实验室中进行的高精度检测方法，会同步记录脑电波、心脏活动、呼吸情况，以及眼球和腿部运动。
“人在睡眠中会产生惊人数量的生理信号，”斯坦福大学睡眠医学专家、该研究的共同作者伊曼纽尔·米尼奥表示，“这相当于连续八小时的整体生理状态记录，信息密度极高。”然而，过去这些数据大多只被部分利用。
“学会理解睡眠语言”的人工智能
SleepFM 正是从这里切入。该系统属于“基础模型”（Foundation Models）的一种，能够像大型语言模型学习文本一样，自主从海量数据中发现规律。斯坦福大学数据科学家、共同作者詹姆斯·邹解释说：“SleepFM 本质上是在学习睡眠的语言。”
研究人员将睡眠数据拆分为每5秒一个片段，类似于文本中的“单词”。此外，一种新的训练方法还要求模型根据其他身体信号来补全缺失数据，从而学会理解大脑、心脏和呼吸系统之间的相互作用。
预测结果“惊人准确”
在完成训练后，研究团队对模型的性能进行了测试。首先是在传统任务中，例如睡眠阶段的划分或睡眠呼吸暂停的评估，SleepFM 的表现至少与现有方法持平。随后，研究人员进行了真正的“压力测试”——预测未来疾病的发生。
为此，他们将睡眠数据与患者长达数十年的医疗记录进行关联分析。结果显示：在超过1000种疾病类别中，有130种可以被该模型以“显著的准确度”提前预测。
在一些严重疾病上，预测效果尤为突出。例如，对帕金森病的预测，其一致性指数（C-index）达到0.89。邹解释说：“C-index 为0.8，意味着模型在80%的情况下，能够正确判断谁会更早发病。”在前列腺癌和乳腺癌方面，该指数也接近0.9。痴呆症、心脏病发作以及总体死亡风险，同样可以被可靠地提前识别。
为何睡眠如此“诚实”？
研究人员尚未完全弄清楚，为什么睡眠数据能透露如此多的信息。但初步分析表明，关键在于不同信号之间的相互关系。“当我们将多个生理通道的数据进行对比时，获取的信息量最大，”米尼奥指出。例如，大脑已进入睡眠状态，但心脏却仍显示出压力信号，这可能就是一种预警。
未来，研究团队计划进一步优化 SleepFM，并纳入来自智能手环等可穿戴设备的数据。若这一方向取得突破，或许有一天，人们只需一次普通的睡眠监测，就能提前多年获知自身的重大健康风险。
人工智能通过睡眠预测重病风险的研究成果，引起了广泛关注。随着科技的发展，特别是人工智能的迅猛进步，我们对健康的预判能力也在不断提升。
这个新的人工智能模型SleepFM，能够通过分析夜间的脑电波和心脏活动等生理信号，仅凭一次测量就能评估多种重大疾病的风险。这种技术的准确性令人振奋，不仅为个体健康管理提供了新的思路，也为医疗预防开辟了新路径。
### 研究背景与数据分析
SleepFM 模型的成功离不开大量的数据支持。研究团队通过近60万小时的睡眠记录，从65,000名受试者那里提取信息，这些数据来自于多导睡眠监测技术。这充分表明，睡眠数据中蕴含着丰富的健康信息，能够揭示未来健康风险。
“人在睡眠中会产生惊人数量的生理信号，”斯坦福大学的专家们指出，正是这些信号的复杂性和相互作用，使得模型能够高效地识别出与疾病相关的模式。
### 预测准确性与未来潜力
通过与长达数十年的医疗记录相结合，研究显示SleepFM能够准确预测130种疾病，包括心脏病、肿瘤等重大健康风险。更值得注意的是，在一些严重疾病的预测上，该模型的准确率高达89%。这无疑为个体赋权，帮助人们在未病时就开始关注和改善自身健康。
### 对生活方式的影响
如果将这种技术逐步推广到日常生活中，未来每个人都可能通过简单的一次睡眠监测，提前多年知道自己的健康隐患。这将促使人们更加注重健康管理，调整生活方式，以降低潜在的健康风险。
总结来说，人工智能在健康预测领域的应用前景广阔，SleepFM的出现恰逢其时，为大众健康保驾护航。随着技术的进一步发展和优化，我们有理由相信，未来的健康管理将不仅仅依赖于医生的诊断，而是一个全面、多方位的智能健康监测系统。
【本帖内容由人工智能提供，仅供参考，DOLC GmbH 不负任何责任。】
页:
[1]