斯坦福醫(yī)學院研究人員開發(fā)的SleepFM人工智能模型，通過分析近60萬小時來自6.5萬人的多導睡眠圖數(shù)據(jù)，能夠僅憑一晚睡眠監(jiān)測預測130多種疾病的未來風險，包括癌癥、妊娠并發(fā)癥、循環(huán)系統(tǒng)疾病和精神障礙等，其預測準確性C指數(shù)超過0.8，表明模型在80%的情況下能正確評估個體患病風險等級，這項突破性研究揭示了睡眠數(shù)據(jù)中隱藏的豐富健康信息，為早期疾病預警提供了全新視角，相關(guān)成果已發(fā)表在《自然·醫(yī)學》雜志上，可能徹底改變未來的健康監(jiān)測方式。

一個糟糕的夜晚睡眠可能導致整天頭腦不清醒。但新研究表明，一晚的睡眠也可能包含關(guān)于多年后才會出現(xiàn)明顯癥狀的疾病和健康問題的線索和預測。

在一次測試中，一個人工智能系統(tǒng)利用夜間生理信號來估計一個人未來100多種健康狀況的風險。這個名為SleepFM的模型是由斯坦福醫(yī)學院研究人員及其合作者開發(fā)的。

該模型在近60萬小時的多導睡眠圖數(shù)據(jù)上進行了訓練，這些數(shù)據(jù)來自約65,000人，使用的是那種追蹤大腦、心臟、呼吸、運動等的整夜睡眠研究。

使用SleepFM挖掘數(shù)據(jù)

多導睡眠圖通常被視為一種臨床工具：你進行研究，評分睡眠階段，尋找睡眠呼吸暫停，然后繼續(xù)。研究團隊認為，這只是這些記錄所包含信息的一小部分。

"當我們研究睡眠時，我們會記錄大量信號，"斯坦福大學睡眠醫(yī)學教授、共同資深作者埃馬紐埃爾·米尼奧特(Emmanuel Mignot)說。

"我們研究的是一個完全受控對象八小時的一般生理狀態(tài)。它包含非常豐富的數(shù)據(jù)。"

直到最近，問題在于人類和標準軟件只能消化這么多復雜性。

人工智能至少在理論上改變了這一狀況，通過學習數(shù)千個夜晚和多個身體系統(tǒng)的模式。

人工智能與睡眠研究

醫(yī)療人工智能在放射學和心臟病學等領(lǐng)域蓬勃發(fā)展。盡管睡眠位于大腦功能、新陳代謝、呼吸和心血管健康交叉點，但這一領(lǐng)域卻落后了。

研究共同資深作者周詹姆斯(James Zou)是生物醫(yī)學數(shù)據(jù)科學副教授。

"從人工智能的角度來看，睡眠相對研究不足。有很多其他人工智能工作正在研究病理學或心臟病學，但相對較少關(guān)注睡眠，盡管睡眠是生活中如此重要的一部分，"周說。

這一差距塑造了團隊的方法。他們沒有為單一任務構(gòu)建模型，而是開發(fā)了一個基礎(chǔ)模型，旨在先學習廣泛模式，然后適應特定預測。

SleepFM與睡眠語言

SleepFM的訓練方式類似于大型語言模型，但不同于詞語，它從生理學的小片段中學習。

多導睡眠圖記錄被切成五秒的片段，因此模型可以將長夜處理為序列，并學習什么通常跟在什么之后。"SleepFM本質(zhì)上是在學習睡眠的語言，"周說。

該模型同時拉入多個通道，包括腦電圖信號用于大腦活動，心電圖用于心律，肌電圖用于肌肉活動，以及脈搏和氣流數(shù)據(jù)。

為可靠性訓練模型

目標不僅僅是閱讀每個通道。而是要理解這些通道如何相互關(guān)聯(lián)。

為此，研究人員創(chuàng)建了一種訓練方法，旨在讓模型填補空白。一個數(shù)據(jù)流會被隱藏，模型必須從其他數(shù)據(jù)中重建它。

"我們在本工作中取得的一項技術(shù)進步是弄清楚如何協(xié)調(diào)所有這些不同的數(shù)據(jù)模式，使它們能夠共同學習同一種語言，"周說。

訓練后，團隊針對熟悉的睡眠醫(yī)學任務對SleepFM進行了微調(diào)。他們測試了它是否能夠分類睡眠階段并評估睡眠呼吸暫停的嚴重程度等標準指標。

在這些基準測試中，該系統(tǒng)的性能等于或優(yōu)于該領(lǐng)域已使用的領(lǐng)先模型。

這一步很重要，因為它表明該模型不僅僅是學習噪音。它可以在被要求做更雄心勃勃的事情之前可靠地完成基本任務。

睡眠數(shù)據(jù)與疾病風險

然后出現(xiàn)了真正的突破：從一晚的睡眠預測未來疾病。為此，研究人員將睡眠數(shù)據(jù)與長期醫(yī)療結(jié)果配對，使用了主要睡眠診所數(shù)十年的患者記錄。

斯坦福睡眠醫(yī)學中心由已故的威廉·德門特(William Dement)于1970年創(chuàng)立。在這個項目中，最大的數(shù)據(jù)集來自約35,000名年齡在2至96歲之間的患者，他們的多導睡眠圖測試記錄于1999年至2024年之間。

該團隊將這些睡眠研究與電子健康記錄匹配，為某些個體提供了長達25年的隨訪數(shù)據(jù)。

SleepFM掃描了1000多種疾病類別，并確定了130種僅使用睡眠數(shù)據(jù)就能以合理準確性預測的疾病。

提前數(shù)年預測疾病

對于癌癥、妊娠并發(fā)癥、循環(huán)系統(tǒng)疾病和精神障礙，報告的結(jié)果最為顯著，這些組的C指數(shù)超過0.8。

C指數(shù)是一種評分方式，用于衡量模型在人群中排名風險的程度。它不是關(guān)于一個人的確定性。而是關(guān)于模型是否傾向于將高風險個體排在低風險個體之上。

"對于所有可能的個體對，模型給出了誰更可能更早經(jīng)歷事件（例如心臟病發(fā)作）的排名。C指數(shù)為0.8意味著80%的情況下，模型的預測與實際發(fā)生的情況一致，"周說。

該模型對幾種特定結(jié)果表現(xiàn)特別出色，包括帕金森病、癡呆癥、高血壓性心臟病、心臟病發(fā)作、前列腺癌、乳腺癌和死亡。

"我們驚喜地發(fā)現(xiàn)，對于相當多樣的一組狀況，該模型能夠做出有信息量的預測，"周說。

SleepFM模型"看到"的內(nèi)容

即使有出色的表現(xiàn)數(shù)字，明顯的問題仍然是：SleepFM到底捕捉到了什么？團隊表示，他們正在開發(fā)解釋工具，并可能嘗試通過添加可穿戴設(shè)備的數(shù)據(jù)來提高預測。

"它不會用英語向我們解釋，"周說。"但我們已經(jīng)開發(fā)了不同的解釋技術(shù)，以找出模型在做出特定疾病預測時正在看什么。"

已經(jīng)有一個模式脫穎而出。最準確的預測不是來自單個通道。它們來自于比較通道并發(fā)現(xiàn)不匹配。

"我們獲得預測疾病的最多信息是通過對比不同通道，"米尼奧特說。

換句話說，可能是身體不同步發(fā)出了危險信號。例如，大腦看起來睡著了而心臟看起來"清醒"，可能暗示更深層次的問題。

這項研究發(fā)表在《自然·醫(yī)學》雜志上。

【全文結(jié)束】

相關(guān)知識

何種睡眠模式和倒班工作模式能預防心血管??！AI健康干預，醫(yī)學創(chuàng)新團隊探索心血管疾病早期診治新策略
SleepFM：斯坦福開源多模態(tài)睡眠分析模型，開啟睡眠健康新篇章
使用Python實現(xiàn)深度學習模型：智能睡眠監(jiān)測與分析
iDOMO：一種預測協(xié)同藥物組合的新AI工具
AI預測疾病：可穿戴設(shè)備提前30天預警
AI在健康管理與疾病預測中的應用.docx
全方位睡眠質(zhì)量分析報告：深度解析睡眠模式、周期與健狀況
AI大模型已瞄準5億人的睡眠健康
將AI帶入臥室：智能睡眠監(jiān)測技術(shù)
睡眠健康管理新趨勢—中西醫(yī)融合+AI智能分析的全場景監(jiān)測方案

網(wǎng)址: 新型AI工具通過分析睡眠模式可預測130種疾病 http://m.gysdgmq.cn/newsview1899250.html