睡眠研究迎來革命！AI揪出常規檢查忽略的隱藏健康警訊

每晚在睡眠檢查室裡默默流逝的八小時，可能藏著攸關性命的線索——而過去幾十年，醫生只用了其中一小部分的資訊。根據8月3日刊登於頂尖學術期刊《Nature Communications》的最新研究，由克里夫蘭醫學中心（Cleveland Clinic）領銜的跨領域團隊，開發出一款能從常規睡眠檢查數據中挖掘隱藏健康警訊的AI模型，準確度之高令業界震驚。

這款全新的AI模型可以利用常規睡眠研究中收集到的資訊，來識別患者的長期健康風險；其開發的跨領域研究團隊發現，這些隱藏的睡眠模式與心臟病、認知退化乃至死亡風險都有密切關聯。更令人驚訝的是，研究結果顯示，常規醫學檢查所蘊含的生理資訊，遠比現行臨床實踐所萃取的多得多——AI在標準整夜睡眠數據中識別出了傳統方法根本抓不到的有意義訊號。

這份研究的核心數據相當驚人。研究揭示出具有臨床意義的患者亞型，其長期健康風險天差地遠：最高風險組的患者在未來五年的死亡率，是最低風險組的兩倍——而這一重要差異，完全無法被用於評估睡眠呼吸中止症嚴重程度的標準臨床指標「呼吸中止指數（AHI）」所偵測到。

長年以來，多導睡眠圖（Polysomnography）雖然會收集每位患者大腦、肺部、肌肉和心臟的豐富數據，但臨床醫師過去只關注其中一小部分資訊，用來評估睡眠呼吸中止症的嚴重程度。換句話說，每次睡眠檢查其實都是一座資訊金礦，只是我們長期視而不見。

這次AI破解的關鍵，在於捨棄傳統的「單一指標」思維。AI基礎模型從常規睡眠記錄中提取並分析神經、眼動、肌肉、心臟、血氧以及通氣訊號等隱藏的生理特徵，最終辨識出五組具有截然不同健康軌跡的患者群體——涵蓋死亡率、重大不良心血管事件、心房顫動、認知障礙及癲癇。

這套模型的訓練資料同樣令人印象深刻。研究人員利用克里夫蘭醫學中心STARLIT登錄庫中1萬筆高解析度多導睡眠圖研究進行訓練，這些資料並與電子病歷連結；經過品質控管後，最終保留了9，297名患者共9，608筆研究數據。

還有一個格外的突破：這款AI模型對男女患者都有良好的預測效果，而傳統的呼吸中止指數（AHI）在歷史上一直對男性患者的表現較優。研究結果也已在一個全國性患者隊列中獲得獨立驗證。這意味著過去在睡眠醫學研究中長期存在的性別偏差，或許可以透過AI加以修正。

耶魯大學醫學院神經外科教授、本研究通訊作者Jeffrey Rogers博士對此直言不諱。根據EurekAlert的報導，他表示：「現代AI讓我們能從一整夜的睡眠生理數據中，恢復更多原本埋沒的資訊，揭示出具有截然不同長期健康風險的有臨床意義患者群體。」

研究主要作者Erhan Bilal博士也呼應了這一觀點。根據medicalxpress的報導，他指出：「睡眠越來越被認為是健康的關鍵組成部分，但睡眠期間所捕捉到的生理資訊，至今仍在很大程度上未被充分利用。」

延伸閱讀：artificial intelligence in sleep medicin、ai diagnoses common sleep disorder 92 ac

這項研究的實際應用潛力相當龐大。研究結果突顯出從美國每年進行的100萬至400萬次院內睡眠研究中，提取更多預後生物標誌物的巨大潛力。換言之，光是善用現有的睡眠檢查數據，就可能大幅改善早期篩查與疾病預防的成效。

不過，從實驗室到臨床應用，路還有一段要走。根據Neuroscience News的報導，研究團隊計畫在多元的國際族群中驗證這套模型，擴大技術與產業合作，並將演算法整合進現有的睡眠實驗室軟體，以便在標準臨床指標旁自動生成風險分層報告。

本文 睡眠研究迎來革命！AI揪出常規檢查忽略的隱藏健康警訊 授權來自 亞洲新聞網。