最新研究：睡眠數據藏健康密碼，可提前數年預測疾病風險

深夜的輾轉反側，或許不僅僅是隔日精神不濟的預告，更可能隱藏著未來數年的健康警訊。根據一篇發表於權威期刊《自然醫學》(Nature Medicine)的最新研究，史丹佛大學醫學院的科學家們開發出一款名為SleepFM的人工智慧模型，僅需分析一晚的睡眠數據，便能預測超過100種疾病的長期風險，精準度令人矚目。

這項跨國合作的研究成果，徹底顛覆了傳統睡眠檢測的應用範疇。過去，標準的睡眠多項生理檢查(Polysomnography, PSG)主要用於診斷睡眠呼吸中止症等睡眠障礙。根據史丹佛醫學院睡眠醫學教授Emmanuel Mignot的說法，PSG其實是一座數據金礦，記錄了包含腦波、心律、呼吸與肌肉活動等極其豐富的生理訊號，但絕大部分未被充分利用。

研究團隊意識到，這八小時靜止狀態下的密集生理紀錄，是了解人體運作的絕佳窗口。正如Warp News報導所提到的，睡眠研究在AI領域相對未被充分探索，而SleepFM模型正是填補此一缺口的開創性嘗試。 該模型透過分析近60萬小時、來自約65,000人的睡眠數據進行訓練，學習解讀生理訊號間的複雜關聯。

這款AI的獨到之處在於其創新的學習方式。根據Stanford Medicine的介紹，研究人員開發了一種名為「漏一對比學習」(leave-one-out contrastive learning)的技術。 簡單來說，模型在訓練時會被刻意隱藏某一類訊號(例如心電圖)，並被要求根據其他數據(如腦波、呼吸)來重建遺失的資訊。這讓SleepFM學會了「睡眠的語言」，理解不同生理系統在睡眠中如何協同運作。

經過大規模數據訓練後，SleepFM的預測能力相當驚人。研究報告指出，該模型能以極高的準確度預測多種重大疾病，包括失智症、心肌梗塞、心臟衰竭、中風及癌症等。 Conexiant網站的報導引述了具體數據，SleepFM對失智症的預測準確率(C-Index)高達0.85，對全因死亡率的預測則為0.84，展現了其在預防醫學上的巨大潛力。

該研究的共同資深作者、生物醫學數據科學副教授James Zou向媒體表示，團隊將睡眠數據分割成5秒的片段，就像大型語言模型處理文字一樣，讓AI學習這些「生理詞彙」的組合與意義。 透過這種方式，模型不僅能完成傳統的睡眠分期或呼吸中止症嚴重程度評估，更能進一步洞察潛伏的健康風險。

這項突破意味著，未來人們或許能透過一次非侵入性的夜間監測，提前數年得知自己罹患特定疾病的風險，從而爭取到寶貴的黃金干預時間。根據Digital Watch Observatory的分析，這項發現將睡眠數據定位為一種早期健康預警訊號，為個人化預防醫學開闢了全新道路。 儘管研究團隊強調，模型如何將特定睡眠模式與疾病連結的具體機制仍需深入探索，但其潛在的臨床應用已引發學界高度關注。

相關報導：sciencedaily.com、warpnews.org

本文 最新研究：睡眠數據藏健康密碼，可提前數年預測疾病風險 授權來自 亞洲新聞網。