一夜辗转难眠次日常感疲惫，更可能是远期健康问题的信号。斯坦福医学院科学家开发出AI系统SleepFM，可通过单晚睡眠的身体信号，预测100余种疾病风险。

打开网易新闻 查看精彩图片

SleepFM基于6.5万人的近60万小时睡眠记录训练，数据来自多导睡眠监测（实验室深度睡眠测试，追踪脑电、心电、呼吸、眼动等多维度信号）。研究指出，多导睡眠监测虽为睡眠障碍诊断金标准，但大量生理信息此前未被充分分析——“睡眠研究8小时捕获的生理数据极其丰富，相当于对受试者进行了全面生理观测。”（Emmanual Mignot教授，睡眠医学资深作者）

AI解锁睡眠数据的隐藏价值

团队构建基础模型（类似ChatGPT的大模型思路，但训练数据为生物信号而非文本）：将睡眠记录分割为5秒片段（类比语言模型的“单词”），通过留一对比学习训练模型理解多模态信号关联（每次移除一种信号，让模型用剩余信号重建）。“我们的技术突破是统一不同数据模态，让它们‘说同一种语言’。”（James Zou教授，生物医学数据科学资深作者）

从睡眠预测130种疾病

训练后，SleepFM在睡眠分期、睡眠呼吸暂停评估中性能超越现有模型；更重要的是，结合25年医疗记录，它能从睡眠数据中预测130种疾病，其中癌症、妊娠并发症、循环系统疾病、精神疾病的预测C-index（一致性指数）超0.8（即80%概率正确预测两人中谁先患病）。

表现突出的疾病包括帕金森（0.89）、痴呆（0.85）、高血压心脏病（0.84）、心梗（0.81）、前列腺癌（0.89）、乳腺癌（0.87）及死亡风险（0.84）。“即便C-index 0.7的模型已用于临床（如癌症治疗反应预测），SleepFM的精度远超这一标准。”

解读AI的“睡眠语言”

团队发现，心血管疾病预测中心电信号更关键，精神疾病预测中脑电信号主导，但最精准结果来自多信号协同——信号不同步（如脑波显示睡眠但心电呈清醒状态）是风险标志。未来版本将整合可穿戴设备数据，进一步提升预测能力。