健康和疾病预测模型是AI医学未来发展趋势。基于电子健康档案和生活方式信息，预测未来20年1200多种疾病发生几率和时间点。最新AI模型只需要你一晚睡眠数据结合电子健康档案信息，就能预测你患130多种疾病的潜在风险。这是长寿诊所未来“利器”和必备预测诊断工具。关注详情。
亚太长寿医学会长寿科技专题讲座|案例解析，微信联系：
(群规: 实名+机构)
研究人员开发出一款“Sleep睡眠新型AI算法，只需分析参与者一晚睡眠(多导睡眠图，PSG)中记录的多通道生理信号，就能对未来多种重大疾病风险进行精准预测，包括神经系统疾病、心血管疾病、癌症、精神障碍等，甚至对全因死亡风险进行排序。
这套AI系统的关键在于“把睡眠当作一门语言来学习”。研究人员利用6.5万人、约58.5万小时PSG数据训练AI模型，将整夜信号切分为5秒片段，类似大模型用“词元”学习文本。预测效果如下：
PSG被视为睡眠研究的金标准，除了脑电，还包含心率、呼吸气流、肌肉活动、眼动、腿动等连续数据。临床实践中往往只读其中少量指标，大量“细碎但真实”信息被忽略；而Sleep睡眠AI算法的优势是同时理解多条信号之间的协同与偏差。
研究人员引入“留一对比学习”：训练时故意暂时移除某一通道(例如脑电或呼吸)，要求模型用剩余信号去“复原”被移除的信号，从而迫使AI学会不同系统之间的耦合关系。
完成训练后，AI模型在传统任务上表现稳健：睡眠分期、评估睡眠呼吸暂停严重度等能力达到甚至优于既有系统。
具有突破性意义是，研究人员把睡眠记录与同一患者长期病史匹配(最长随访达25年)，在上千类疾病中筛出130种仅凭睡眠单一数据就能准确预测的疾病类别；其中多类疾病预测一致性指数(C指数)>0.8；在帕金森症、痴呆症、心梗、高血压性心脏病、前列腺癌、乳腺癌等风险排序上表现突出。
研究人员提出一个值得关注的AI预测框架：疾病早期信号或许不是单一器官异常，可能是“系统不同步”——例如大脑进入睡眠样状态，但心脏或呼吸仍呈现异常兴奋或紊乱。
研究人员下一步希望提升可解释性并融合可穿戴设备数据，把“睡眠检查”从临床诊断睡眠障碍，进一步拓展为慢病预测，以及衰老相关疾病前瞻性风险管理。值得关注。
AI算法利用睡眠数据“解码”未来健康趋势
关注我们，获取生物医学前沿最新资讯
热门跟贴