一项由斯坦福大学研究人员开发的新AI模型SleepFM，能够通过分析睡眠数据预测超过130种疾病的风险，包括痴呆症和中风等。该研究由詹姆斯·邹（James Zou）和埃马纽埃尔·明约（Emmanuel Mignot）共同领导，标志着人工智能在睡眠与健康关系研究中的重大突破。 SleepFM基于来自6.5万名参与者、超过58.5万小时的多中心睡眠监测数据训练而成，数据来源为多导睡眠图（PSG），涵盖脑电波、心率、肌肉活动和呼吸模式等多种生理信号。这种多模态数据使AI能够从整体角度理解睡眠的复杂性。研究团队面临的主要挑战是处理海量且异构的信号数据。博士生拉胡尔·塔帕（Rahul Thapa）表示，团队花了大量时间优化训练方法，最终发现联合学习不同生理信号比传统监督学习更有效，并开发出一种“留一法”训练策略，使模型在数据缺失或不完整的情况下仍具预测能力。 尽管模型能识别出睡眠模式与未来疾病之间的关联，研究团队强调，这些结果应被视为人群层面的风险评估，而非个体诊断。目前模型尚未获得FDA批准，也未在临床环境中进行前瞻性验证。其目标是揭示睡眠与健康之间的宏观联系，为早期干预提供科学依据。 展望未来，研究人员希望将SleepFM应用于可穿戴设备，如Apple Watch等。随着智能手表已具备睡眠呼吸暂停评分和心电图功能，AI驱动的睡眠分析有望成为疾病风险筛查的前端工具。医学博士兼博士生奇布伊克·翁瓦克韦（Chibuike Ukwakwe）认为，未来基于可穿戴设备的AI健康数据将能辅助临床决策。 这项研究再次证明，睡眠不仅是恢复精力的必要过程，更蕴藏着丰富的生理信息，是洞察个体未来健康的重要窗口。正如塔帕所言：“我们才刚刚开始理解睡眠中蕴含的深层信息。”