z通過一晚上的睡眠，AI 模型就能監(jiān)控最多 130 種疾病。

老年癡呆、高血壓性心臟病、中風(fēng)、前列腺癌、乳腺癌、二型糖尿病等等，它都能預(yù)測(cè)到。

這聽起來就很像多年前，那場(chǎng)硅谷大騙局，一滴血驗(yàn)證幾百項(xiàng)生化指標(biāo)。但睡眠聽起來比血液，在不靠譜這方面，有過之無不及。

一般來說，睡眠的監(jiān)控，頂多就是每天早上醒來，我們可能會(huì)習(xí)慣性地看一眼連接手表的 App，昨晚深睡了幾小時(shí)？評(píng)分是多少？

好一點(diǎn)的手表，可能還有睡眠呼吸頻率、HRV 等結(jié)合不同算法，來呈現(xiàn)更詳細(xì)的睡眠數(shù)據(jù)。

但如果現(xiàn)在有人說，這一夜看似平靜的睡眠數(shù)據(jù)里，其實(shí)藏著你未來幾年的健康命運(yùn)，你會(huì)不會(huì)覺得這是天方夜譚，但又充滿好奇。

就在最近，斯坦福大學(xué)團(tuán)隊(duì)在頂級(jí)醫(yī)學(xué)期刊《Nature Medicine》上發(fā)表了一項(xiàng)重磅研究，他們開發(fā)了一個(gè)名為 SleepFM 的 AI 基礎(chǔ)模型，只是通過閱讀我們一個(gè)晚上的睡眠數(shù)據(jù)，就能預(yù)測(cè)未來患 130 種疾病的風(fēng)險(xiǎn)，甚至包括我們還能活多久。

SleepFM 這個(gè)睡眠評(píng)估模型，目前已經(jīng)在 GitHub 上開源?？苹秒娪袄锊艜?huì)上演的體檢情節(jié)，AI 把它照進(jìn)了現(xiàn)實(shí)。

具體是怎么一回事，一起來看看這個(gè)模型是怎么訓(xùn)練出來的。

斯坦福的研究團(tuán)隊(duì)給 AI 「喂」了 65000 多名參與者、總計(jì)時(shí)長超過 585000 小時(shí)的睡眠記錄。這個(gè)龐大的數(shù)據(jù)庫讓 SleepFM 學(xué)會(huì)了人類無法察覺的生理「語言」。

六萬多名參與者的信息主要來自斯坦福大學(xué)的睡眠診所， 作為主力軍，該研究診所貢獻(xiàn)了約 35000 名參與者。這些數(shù)據(jù)記錄，也并非一時(shí)半會(huì)收集的，而是從 1999 年一直覆蓋到了 2024 年，整整跨越了 25 年。

還有來自商業(yè)醫(yī)療機(jī)構(gòu) BioSerenity 的數(shù)據(jù)，數(shù)據(jù)包含了美國 240 個(gè)睡眠中心的近 19000 份記錄，同樣時(shí)間涵蓋了 2004 年到 2019 年的長周期數(shù)據(jù)。

此外還有一些公共數(shù)據(jù)集，增加模型對(duì)不同人群的適應(yīng)性；以及專門用來評(píng)估模型能力的測(cè)試集等。

這些長達(dá) 25 年 的數(shù)據(jù)積累，讓研究人員有機(jī)會(huì)做一場(chǎng)時(shí)間驗(yàn)證。他們用 2020 年以前的舊數(shù)據(jù)訓(xùn)練 AI，然后讓它預(yù)測(cè) 2020 年以后患者的情況。如果數(shù)據(jù)積累不夠久，根本不可能驗(yàn)證「提前 6 年預(yù)警疾病」這種超長周期的預(yù)測(cè)能力。

有了海量且長周期的數(shù)據(jù)，這里就得潑一盆冷水了。他們使用的數(shù)據(jù)，和我們手環(huán)上那幾個(gè)簡(jiǎn)單的數(shù)字根本沒法比，他們用的是在睡眠門診里，常用的分析工具——多導(dǎo)睡眠圖（PSG）。

SleepFM 框架描述，圖 A 為多導(dǎo)圖的設(shè)置情況，以及來自不同睡眠中心的數(shù)據(jù)統(tǒng)計(jì)。圖 B 和圖 C 是將不同模態(tài)的數(shù)據(jù)，例如心電圖 EKG、腦信號(hào) BAS、肌電圖 EMG 等信號(hào)，通過神經(jīng)網(wǎng)絡(luò)編碼，轉(zhuǎn)成深度學(xué)習(xí)模型能訓(xùn)練的特征，并預(yù)測(cè)最后的結(jié)果。圖 D 為臨床應(yīng)用的評(píng)估結(jié)果。

在這個(gè)龐大的實(shí)驗(yàn)中，SleepFM 學(xué)習(xí)的是最復(fù)雜的生理信號(hào)組合， 即多導(dǎo)睡眠圖中包含的豐富數(shù)據(jù)，包括 記錄大腦在想什么的腦電圖、記錄心率變化的心電圖、以及捕捉身體肌肉運(yùn)動(dòng)的肌電圖、和記錄呼吸信息的氣流信號(hào)等。

普通人不可能天天帶著這些線睡覺，這是目前的門檻所在。但另一方面，也正是因?yàn)閿?shù)據(jù)如此豐富，SleepFM 才能做到普通設(shè)備做不到的事。

基于這些跨越時(shí)間的數(shù)據(jù)，斯坦福團(tuán)隊(duì)通過回顧性實(shí)驗(yàn)，讓 AI 預(yù)測(cè)患者隨后 6 年的真實(shí)電子病歷記錄。

在斯坦福內(nèi)部測(cè)試集上，針對(duì)不同疾病大類（如循環(huán)系統(tǒng)、神經(jīng)系統(tǒng)、腫瘤等）的整體預(yù)測(cè)表現(xiàn)。橫軸列出了循環(huán)系統(tǒng)、精神障礙、神經(jīng)系統(tǒng)甚至腫瘤等十多個(gè)大類。圖中每一個(gè)黑點(diǎn)代表一種具體的病，位置越高，說明 AI 預(yù)測(cè)得越準(zhǔn)（C-Index 和 AUROC 越高）。可以看到，它在神經(jīng)系統(tǒng)和循環(huán)系統(tǒng)疾病上的表現(xiàn)尤為突出，遠(yuǎn)超及格線（虛線表示）。

結(jié)果令人非常吃驚。僅憑一個(gè)晚上的睡眠數(shù)據(jù)，SleepFM 成功預(yù)測(cè)了 130 種疾病風(fēng)險(xiǎn)（準(zhǔn)確度指標(biāo) C-Index > 0.75），它的準(zhǔn)確度遠(yuǎn)超預(yù)期。在斯坦福睡眠中心的內(nèi)部測(cè)試集上，預(yù)測(cè)結(jié)果準(zhǔn)確的均在 75% 以上。

全因死亡率（預(yù)測(cè)壽命）： 準(zhǔn)確度 84%。

癡呆癥： 準(zhǔn)確度 85%。這意味著在記憶開始模糊的幾年前，大腦在睡眠中發(fā)出的電信號(hào)就已經(jīng)變了。

心力衰竭與心肌梗死： 準(zhǔn)確度分別為 80% 和 81%。

慢性腎病： 準(zhǔn)確度 79%。

其中，評(píng)估用的 C-Index 和 AUROC 都是用來給 AI 模型打分的指標(biāo)，衡量它預(yù)測(cè)疾病到底準(zhǔn)不準(zhǔn)。簡(jiǎn)單來說，數(shù)值越接近 1，說明模型越厲害；接近 0.5 則說明模型在瞎猜。

C-Index (Harrell's Concordance Index)，中文名是一致性指數(shù)，它衡量的是模型對(duì)病人風(fēng)險(xiǎn)排序的準(zhǔn)確性。

AUROC (Area Under the ROC Curve），中文名：受試者工作特征曲線下面積，論文中是衡量，AI 能否準(zhǔn)確區(qū)分出，哪些人在做完睡眠檢查后的 6 年內(nèi)會(huì)得病，哪些人不會(huì)。

模型在外部獨(dú)立數(shù)據(jù)集（SHHS） 上的測(cè)試結(jié)果。結(jié)果顯示，在針對(duì)中風(fēng)（Stroke）、心力衰竭（Congestive HF）、心肌梗死以及心血管疾病死亡等 6 項(xiàng)關(guān)鍵指標(biāo)的預(yù)測(cè)中，AI 依然保持了極高的準(zhǔn)確率（大部分 AUROC > 0.8）

從這個(gè)角度來看，能證明它確實(shí)掌握了「核心醫(yī)術(shù)」，不是對(duì)這 65000 人的電子病歷死記硬背。

但是，既然都要去醫(yī)院貼滿電極做 PSG，這個(gè) AI 還有什么用？雖然是一晚上，但是要監(jiān)控心電圖、腦電圖、肌電圖，這跟我想的「睡一覺」完全不一樣。

睡眠研究常用多導(dǎo)圖設(shè)備（PSG）

斯坦福在論文最后給出的結(jié)論提到，首先是 SleepFM 這個(gè)模型，在同類型的多導(dǎo)圖預(yù)測(cè)疾病的模型中，目前是做得最好，預(yù)測(cè)最準(zhǔn)確的一個(gè)模型。

另一方面，他們提到這也是一種存量價(jià)值。意思是，根據(jù)他們的統(tǒng)計(jì)，目前全球每年有數(shù)百萬人因?yàn)榇蚝魢＃ㄋ吆粑鼤和＃┤プ?PSG 檢查。

但是在過去，這堆復(fù)雜的數(shù)據(jù)醫(yī)生看完 PSG 的「呼吸指標(biāo)」后，這份檢查就沒用了?，F(xiàn)在有了 SleepFM，同樣的一次檢查，不需要病人做額外的工作，就能得到一份關(guān)于心臟、大腦和壽命的深度風(fēng)險(xiǎn)報(bào)告，這是對(duì)現(xiàn)有醫(yī)療資源的極致利用。

此外，他們也沒有給多導(dǎo)圖之外的監(jiān)控?cái)?shù)據(jù)使用，判死刑。具體來說，SleepFM 模型像是一個(gè)可穿戴設(shè)備的教師，而我們現(xiàn)在的智能手表所采用的分析算法，可以說是一個(gè)學(xué)生。

在這篇論文中埋下了一個(gè)彩蛋，SleepFM 采用了一種通道無關(guān)（channel-agnostic）的設(shè)計(jì)。 這意味著，雖然它是被多導(dǎo)圖那全套裝備，訓(xùn)練出來的，但它被訓(xùn)練得非常靈活。

即使未來去掉了腦電圖，只剩下智能手表能測(cè)到的心電和呼吸信號(hào)，這個(gè)經(jīng)過大師級(jí)訓(xùn)練的 AI，依然能利用它學(xué)到的通用規(guī)律工作。

就像論文作者所展望的，SleepFM 能為未來基于可穿戴設(shè)備的無創(chuàng)、實(shí)時(shí)健康監(jiān)測(cè)，鋪平道路。

這么看下來，基于多導(dǎo)圖的睡眠數(shù)據(jù)，還是要比那滴血更靠譜一點(diǎn)。論文作者在 X 發(fā)文說，多導(dǎo)圖能獲取的數(shù)據(jù)，比消費(fèi)級(jí)的穿戴設(shè)備確實(shí)要多，但使用更便攜的穿戴設(shè)備，是他們未來工作的方向。

有網(wǎng)友評(píng)論說，

這項(xiàng)研究最終將指向這樣一個(gè)事實(shí)：幾乎所有疾病都與代謝有關(guān)，而個(gè)體的代謝狀態(tài)最能體現(xiàn)在睡眠中。

睡眠數(shù)據(jù)看起來像一座冰山，漂浮在海面上我們看到的只是非常有限的一部分。SleepFM 也是朝著將我們的睡眠，作為早期健康預(yù)警系統(tǒng)，邁出了重要一步。

在消費(fèi)級(jí)穿戴設(shè)備的傳感器精度進(jìn)一步提升，配合這種經(jīng)過臨床大數(shù)據(jù)訓(xùn)練的 AI 算法，我們的智能手表，將來或許真就能成為一個(gè)全天候的 AI 醫(yī)生。

到那個(gè)時(shí)候，它不僅能記錄我們的入睡時(shí)間，而且能在身體發(fā)出細(xì)微求救信號(hào)的第一時(shí)間，發(fā)送一條也許能改變命運(yùn)的提醒，「檢測(cè)到早期風(fēng)險(xiǎn)信號(hào)，建議及時(shí)就醫(yī)或改善生活習(xí)慣?！?/p>

在這個(gè)未來到來之前，最好的健康建議依然沒變：今晚，早點(diǎn)睡吧。

歡迎加入 APPSO AI 社群，一起暢聊 AI 產(chǎn)品，獲取，解鎖更多 AI 新知

我們正在招募伙伴

簡(jiǎn)歷投遞郵箱hr@ifanr.com

?? 郵件標(biāo)題「姓名+崗位名稱」（請(qǐng)隨簡(jiǎn)歷附上項(xiàng)目/作品或相關(guān)鏈接）