核心技术与模型 - 美国斯坦福大学研究人员开发出名为SleepFM的人工智能模型 可根据一晚上的睡眠情况预测约130种疾病的发病风险 包括心脏病 痴呆症和部分癌症等 [1] - 该模型是首个使用人工智能分析大规模睡眠数据的研究 相关论文发表在英国《自然-医学》杂志上 [1] - 模型使用多导睡眠图数据 这是一种综合监测患者睡眠状态的“金标准”方法 记录涉及大脑 心脏 眼球 呼吸和肌肉等的多种生理信号 [1] 数据基础与训练 - 模型使用来自6.5万名参与者 总时长近60万小时的多导睡眠图数据进行训练 [1] - 训练数据中 有3.5万人的数据来自斯坦福睡眠中心 该中心在25年里持续记录了这些人的睡眠和健康状况 [2] - 训练时将睡眠数据分割成时长5秒钟的片段作为基本数据单元 类似于训练大语言模型时所用的“单词” [1] 模型预测能力与发现 - 模型分析了健康记录涉及的1000多种疾病 发现其中约130种疾病可以通过患者的睡眠数据进行较为准确的预测 [2] - 模型对帕金森病 痴呆症 发育迟缓 心脑血管疾病等的预测能力尤为出色 [2] - 在癌症中 模型预测前列腺癌 乳腺癌和皮肤癌的准确率较高 [2] 研究意义与创新 - 该研究整合了不同的生理信号并梳理其中的关系 表明人工智能模型可以从睡眠数据中了解睡眠的“语言” 实现灵活高效的疾病预测 [1][2] - 以往关于睡眠和疾病的研究往往局限于单个指标与特定疾病的关联 忽视了睡眠生理学的复杂性 此项新成果克服了此局限 [2]