睡眠脑电图中的大脑健康:一种用于认知、疾病和死亡率的多队列深度学习生物标志物
本研究利用深度学习技术分析来自六个大型队列的36,000份睡眠脑电图记录,开发了一种客观、整合的大脑健康生物标志物。研究团队创建了一个端到端、多任务深度学习框架,该框架能够从夜间睡眠脑电图中学习大脑健康的1024维潜在表示,并提炼为一个单一的、具有临床解释性的大脑健康评分(BHS)。研究发现,BHS能有效预测认知表现、疾病风险和死亡率,其预测能力显著优于传统人口统计学和专家定义的脑电图特征模型,为大脑健康评估提供了新方法。研究表明,睡眠脑电图中的信息远比传统睡眠指标所显示的更丰富,可以用来评估大脑的整体健康状况,有望成为预防认知衰退、早期诊断神经退行性疾病和优化健康干预的有力工具。
2026-08-29 14:00:33AI与医疗健康