纽约 [2025年3月17日] —— 伊坎医学院的研究人员开发了一种强大的AI工具，该工具基于与ChatGPT等大型语言模型相同的变压器架构，用于处理整晚的睡眠数据。迄今为止，这是规模最大的研究之一，分析了1,011,192小时的睡眠数据。他们的研究结果已在《睡眠》杂志3月13日在线版上发表（https://doi.org/10.1093/sleep/zsaf061）。
这种名为PFTSleep的模型通过分析脑电波、肌肉活动、心率和呼吸模式来更有效地分类睡眠阶段，简化了睡眠分析过程，减少了变异性，并支持未来的临床工具以检测睡眠障碍和其他健康风险。
目前的睡眠分析通常依赖于人工专家手动评分短片段的睡眠数据，或者使用无法分析患者整晚睡眠数据的AI模型。这种新方法利用数千个睡眠记录进行训练，采取了更为全面的方法。通过训练全夜睡眠数据，该模型可以识别整个晚上以及不同人群和环境中的睡眠模式，为睡眠研究和临床应用提供标准化和可扩展的方法，研究人员表示。
“这是AI辅助睡眠分析和解释的一大进步，”伊坎医学院人工智能和新兴技术培训领域的博士候选人、第一作者本杰明·福克斯说。“通过这种方式利用AI，我们可以直接从睡眠研究信号数据中学习相关的临床特征，并将其用于睡眠评分，未来还可以用于其他临床应用，如检测睡眠呼吸暂停或评估与睡眠质量相关的健康风险。”
该模型是使用大量睡眠研究数据（多导睡眠图）构建的，这些数据测量了关键的生理信号，包括大脑活动、肌肉张力、心率和呼吸模式。与传统的AI模型只分析30秒的短片段不同，这种新模型考虑了整晚的睡眠数据，捕捉到更详细和微妙的模式。此外，该模型通过一种称为自监督的方法进行训练，这种方法可以从生理信号中学习相关的临床特征，而无需使用人工标记的结果。
“我们的研究结果表明，AI有可能改变我们研究和理解睡眠的方式，”共同通讯作者、伊坎医学院助理教授（肺科、重症监护和睡眠医学）、西奈山睡眠和昼夜节律分析组主任阿尼克·帕雷克博士说。“我们的下一个目标是改进这项技术，用于临床应用，例如更高效地识别与睡眠相关的健康风险。”
研究人员强调，虽然这一AI工具前景广阔，但它不会取代临床专业知识。相反，它将作为睡眠专家的强大辅助工具，帮助加速和标准化睡眠分析。接下来，研究团队的目标是将该工具的能力扩展到睡眠阶段分类之外，以检测睡眠障碍并预测健康结果。
“这种基于AI的方法有潜力彻底改变睡眠研究，”共同通讯作者、伊坎医学院温德赖希人工智能与人类健康系主任、哈索普拉特纳数字健康研究所所长、医学教授吉里什·N·纳达卡尼博士说。纳达卡尼博士还是数据驱动和数字医学部门的创始主任和西奈山临床智能中心的联合主任。“通过更一致地分析整晚的睡眠，我们可以更深入地了解睡眠健康及其与整体福祉的关系。”
论文题为“基于整晚多通道睡眠研究数据的基础变压器准确分类睡眠阶段”。
论文作者名单如下：本杰明·福克斯、乔伊·江、萨吉拉·维克拉马拉特内、帕特丽夏·科瓦奇、梅特·苏亚雷斯-法里纳斯、诺米·A·沙、阿尼克·帕雷克和吉里什·N·纳达卡尼。
有关资金详情，请参见论文：《睡眠》（https://doi.org/10.1093/sleep/zsaf061）。
(全文结束)