斯坦福大学的人工智能分析睡眠数据，检测睡眠时出现的早期疾病风险指标

研究人员来自斯坦福大学医学院和合作机构。他们的 SleepFM 模型基于人工智能，可以处理完整的多导睡眠图（PSG）记录。PSG 是一种全面的多参数睡眠研究，用于评估受试者在睡眠期间的身体机能。

人工智能如何解读睡眠语言

PSG 可监测脑电波、呼吸、眼球运动、肌肉活动、心律和血氧水平。SleepFM 将这些信号视为单一的生理数据集，旨在超越睡眠障碍的范畴。

在人工智能的帮助下，研究人员分析了同类产品中最大的数据集：65000人的58.5万小时睡眠时间。SleepFM 将录音分割成 5 秒钟的片段，这有助于模型找出模式，类似于大型语言模型处理单词和句子的方式。

跨多个身体系统的训练

SleepFM 因其结合多种信号源的能力而被视为一项突破。它可以同时处理大脑活动、肌肉运动、呼吸模式等。通过跟踪多个身体系统，SleepFM 可以检测到睡眠期间生理信号何时偏离相位。

研究人员使用 "留一弃一对比学习法 "对模型进行了训练，以了解不同身体部位是如何相互作用的。这种技术的工作原理是消除一个信号，然后从其他信号中重建它。

提前数年预测疾病

为了测试是否可以仅利用睡眠来预测未来的疾病，研究小组将一家诊所的医疗记录与睡眠数据进行了合并。结果，SleepFM 预测了 130 种疾病，包括痴呆症、癌症、帕金森病和心脏病。该模型的 C 指数得分超过 0.8，表明它在 10 次中有 8 次以上准确预测了患者的病情。

研究人员目前正在努力改进 SleepFM，并整合来自可穿戴设备的数据。