スタンフォード大学の研究チームが、睡眠パターンから将来の病気リスクをAIで予測する新モデル「SleepFM」を開発した。このモデルは、脳波、心拍、筋肉活動、呼吸など複数の生理信号を含む詳細な睡眠記録（ポリソムノグラフィー）をもとに、130種類以上の疾患、 dementia（認知症）や脳卒中を含むリスクを正確に予測できる。研究の主導者であるジェームズ・ズー教授とエマニュエル・ミニョ教授らは、睡眠が人生の約1/3を占める重要な活動であるにもかかわらず、AI研究の分野ではまだ十分に探求されていないと指摘。 SleepFMは、6万5千人の参加者から得られた58万5千時間以上の睡眠データを基に学習。多様な生理信号を統合したマルチモーダルデータセットを用いることで、睡眠の全体像をAIが「言語」として理解できるように設計された。研究の主筆者である3年次博士課程のラフール・タパ氏は、膨大な信号データの処理に際し、従来の教師あり学習では限界があり、複数の身体信号を統合的に学習させるアプローチが有効であると明らかにした。また、データの欠損や不均一性に対応するため、独自の「リーブ・ワン・アウト」手法を考案。 タパ氏は、モデルの予測は「相対的なリスク推定」であり、個人の診断には使えない点を強調。FDA承認されておらず、臨床現場での前向き検証も行われていないため、医療判断の根拠にはならないと注意を促した。研究の目的は、集団レベルでの健康傾向の把握にあり、個別診断ではない。 今後は、Apple Watchなどのウェアラブルデバイスと連携し、日常的な睡眠データをAIが解析することで、疾患リスクの早期スクリーニングの実現を目指す。医療用バイオエレクトロニクス研究者であるチブイケ・ウクワクウェ医師も、このアプローチの可能性を評価。現行のウェアラブル機器に搭載された睡眠データをAIが活用し、医療判断の支援につなげることが期待される。 この研究は、睡眠が単なる休息ではなく、未来の健康状態を予見する重要な窓口であることを示しており、AIと多モーダル生理データの融合が、予防医療の新たな道を開く可能性を秘めている。