AI算法僅憑一晚睡眠數據就能解碼并預測未來健康風險

健康和疾病預測模型是AI醫學未來發展趨勢。基于電子健康檔案和生活方式信息，預測未來20年1200多種疾病發生幾率和時間點。最新AI模型只需要你一晚睡眠數據結合電子健康檔案信息，就能預測你患130多種疾病的潛在風險。這是長壽診所未來“利器”和必備預測診斷工具。關注詳情。

亞太長壽醫學會長壽科技專題講座|案例解析，微信聯系：

(群規: 實名+機構)

閱讀文摘

研究人員開發出一款“Sleep睡眠新型AI算法，只需分析參與者一晚睡眠(多導睡眠圖，PSG)中記錄的多通道生理信號，就能對未來多種重大疾病風險進行精準預測，包括神經系統疾病、心血管疾病、癌癥、精神障礙等，甚至對全因死亡風險進行排序。

這套AI系統的關鍵在于“把睡眠當作一門語言來學習”。研究人員利用6.5萬人、約58.5萬小時PSG數據訓練AI模型，將整夜信號切分為5秒片段，類似大模型用“詞元”學習文本。預測效果如下：

PSG被視為睡眠研究的金標準，除了腦電，還包含心率、呼吸氣流、肌肉活動、眼動、腿動等連續數據。臨床實踐中往往只讀其中少量指標，大量“細碎但真實”信息被忽略；而Sleep睡眠AI算法的優勢是同時理解多條信號之間的協同與偏差。

研究人員引入“留一對比學習”：訓練時故意暫時移除某一通道(例如腦電或呼吸)，要求模型用剩余信號去“復原”被移除的信號，從而迫使AI學會不同系統之間的耦合關系。

完成訓練后，AI模型在傳統任務上表現穩健：睡眠分期、評估睡眠呼吸暫停嚴重度等能力達到甚至優于既有系統。

具有突破性意義是，研究人員把睡眠記錄與同一患者長期病史匹配(最長隨訪達25年)，在上千類疾病中篩出130種僅憑睡眠單一數據就能準確預測的疾病類別；其中多類疾病預測一致性指數(C指數)>0.8；在帕金森癥、癡呆癥、心梗、高血壓性心臟病、前列腺癌、乳腺癌等風險排序上表現突出。

研究人員提出一個值得關注的AI預測框架：疾病早期信號或許不是單一器官異常，可能是“系統不同步”——例如大腦進入睡眠樣狀態，但心臟或呼吸仍呈現異常興奮或紊亂。

研究人員下一步希望提升可解釋性并融合可穿戴設備數據，把“睡眠檢查”從臨床診斷睡眠障礙，進一步拓展為慢病預測，以及衰老相關疾病前瞻性風險管理。值得關注。

AI算法利用睡眠數據“解碼”未來健康趨勢

關注我們，獲取生物醫學前沿最新資訊