斯坦福大學(xué)研究團隊近日在權(quán)威醫(yī)學(xué)期刊《自然·醫(yī)學(xué)》上發(fā)表了一項突破性成果。他們研發(fā)出一款名為 SleepFM 的開源人工智能模型，僅需分析用戶一晚的睡眠監(jiān)測數(shù)據(jù)，即可精準預(yù)測其未來 6 年內(nèi)的健康狀況及死亡風(fēng)險。

生理信號深度解碼

該研究基于長達 25 年、涵蓋 6.5 萬名參與者的海量臨床數(shù)據(jù)進行訓(xùn)練。不同于普通智能手表的簡單監(jiān)測，該模型深度整合了腦電、心電、呼吸等多種生理信號，能夠捕捉到人體在睡眠中隱藏的細微異常。

SleepFM 在預(yù)測全因死亡率方面的準確率達到了 84%，而在癡呆癥預(yù)測上的表現(xiàn)甚至高達 85%。針對心力衰竭和心肌梗死等嚴重循環(huán)系統(tǒng)疾病，該模型的預(yù)測一致性指數(shù)均處于行業(yè)領(lǐng)先水平。

推動普惠醫(yī)療預(yù)警

目前該技術(shù)雖主要依托專業(yè)的多導(dǎo)睡眠監(jiān)測設(shè)備，但其核心算法采用了通道無關(guān)設(shè)計。這意味著在不久的將來，該技術(shù)有望適配智能手表等便攜終端，僅通過心電或呼吸等簡化信號，為普通大眾提供基礎(chǔ)的健康預(yù)警。

這項研究的開源屬性也為醫(yī)療資源的二次利用提供了新思路。全球每年海量的睡眠監(jiān)測原始數(shù)據(jù)，如今可以通過該模型轉(zhuǎn)化為極具價值的健康管理建議，從而大幅提升醫(yī)療體系的篩查效率。