据HealthDay新闻网报道，一项基于多导睡眠图数据的多模态睡眠基础模型能够预测多种疾病的患病风险，包括死亡、痴呆和心肌梗死（MI）。该研究于1月6日在线发表在《自然医学》杂志上。
来自斯坦福大学的拉胡尔·塔帕（Rahul Thapa）及其同事整合了来自多个队列约6.5万名参与者的超过58.5万小时多导睡眠图数据，开发了多模态睡眠基础模型（SleepFM）。该模型采用一种新颖的对比学习方法进行训练，可适应多种多导睡眠图导联组合。
研究人员发现，SleepFM生成的睡眠嵌入特征可准确预测未来疾病风险。该模型对130种疾病的预测C指数和受试者工作特征曲线下面积（AUROC）均达到至少0.75，具体包括死亡（0.84）、痴呆（0.85）、心肌梗死（0.81）、心力衰竭（0.80）、慢性肾病（CKD，0.79）、中风（0.78）和心房颤动（0.78）。在睡眠心脏健康研究数据集（该数据集未参与预训练）上，模型展现出强大的迁移学习性能。此外，在常见的睡眠分析任务中，SleepFM也表现优异：睡眠分期的平均F1分数为0.70至0.78，而睡眠呼吸暂停严重程度和存在与否的分类准确率分别为0.69和0.87。
该研究的共同资深作者、同样来自斯坦福大学的詹姆斯·周（James Zou）博士在声明中表示：“我们惊喜地发现，对于相当多样化的多种疾病，该模型能够做出富有信息的预测。”
一位作者披露与Beacon Biosignals公司存在关联。
【全文结束】
