近日，一项发表于《自然·通讯》的研究揭示，由克利夫兰诊所与IBM通过跨学科合作研发的AI模型，能够深度挖掘常规睡眠监测数据中的潜在健康风险。首席作者Erhan Bilal及通讯作者Jeffrey Rogers等人指出，传统临床实践长期仅依赖呼吸暂停低通气指数等少数摘要指标，导致大量涵盖心肺及神经系统的丰富生理信号被闲置。该模型通过深度学习整夜多导睡眠图数据，精准识别出隐匿的生理特征，并将患者划分为五个风险等级。临床数据显示，最高风险组患者在未来五年内的死亡风险达最低风险组的两倍，且模型在男女群体中均表现稳健，经美国全国患者队列独立验证。研究强调，此项突破证实常规医学检查蕴含远超当前临床提取能力的生理信息。该AI工具的引入有望重塑睡眠医学诊疗路径，为心血管及神经系统疾病风险分层与个性化干预提供早期生物标志物，进一步凸显睡眠监测在慢性病管理中的核心价值。后续团队将聚焦于在多样化人群中验证模型，并深化医工产学研合作。