一项新研究表明，人工智能的新进展可能利用睡眠数据来预测疾病风险。
斯坦福医学院的研究人员开发了一种人工智能模型，该模型基于在多家睡眠诊所收集的6万多名参与者近60万小时的睡眠数据进行训练。
据大学新闻稿称，该模型名为SleepFM，能够预测一个人罹患100多种健康状况的风险。
研究人员使用多导睡眠图训练SleepFM，这是一种全面的睡眠测量方法，可追踪大脑和心脏活动以及呼吸、腿部运动和眼球运动。他们指出，这被认为是睡眠研究的“金标准”。
“睡眠包含的关于未来健康的信息远超我们目前所用，”斯坦福大学生物医学数据科学副教授、该研究的共同资深作者周志华（James Zou）博士告诉福克斯新闻数字版。
“通过学习睡眠的语言，我们的AI模型为研究睡眠科学和医学开辟了新途径，”他补充说，并指出人类大约三分之一的生命在睡眠中度过。
在研究中，研究团队将睡眠数据与参与者的电子健康记录配对，这些记录提供了长达25年的数据。
该模型分析了这些健康记录中的1000种疾病类别，并发现它可以“合理准确地”预测130种疾病，据新闻稿称。
“通过强大的人工智能分析一晚的睡眠，我们发现睡眠模式可以在诊断前数年预测100多种不同疾病的发病风险，”周志华说。
这些疾病包括痴呆症、心脏病、中风、肾脏疾病甚至总体死亡率。研究人员指出，该模型对癌症、妊娠并发症、循环系统疾病和精神障碍的预测尤其准确。
“它不会用英语向我们解释这一点，”周志华指出。“但我们开发了不同的解释技术，以弄清模型在做出特定疾病预测时在关注什么。”
这项研究部分由美国国立卫生研究院（National Institutes of Health）资助，其发现发表在《自然·医学》（Nature Medicine）杂志上。
达拉斯的急诊医学医师、人工智能全国演讲者哈维·卡斯特罗（Harvey Castro）博士在给福克斯新闻数字版的声明中评论了斯坦福大学的AI睡眠工具。
“显著的信号并不等于现成的医学，”未参与该研究的卡斯特罗说。“SleepFM是一项突破，但还不是床边工具。”
这位专家还强调，虽然该工具对风险进行排名，但它不一定能预测疾病会发生。“对风险进行排名并不等同于预测结果，而患者生活在结果中，”他说。
卡斯特罗称，在该工具能用于“现实生活”之前，必须证明它在实验室外也能发挥作用。
斯坦福研究人员也承认该研究存在一些局限性。
“我们仍有许多不了解的地方……大多数分析集中在睡眠分期和呼吸暂停检测等狭隘任务上，”周志华指出。
研究团队警告说，这是一个研究项目，除了“睡眠非常重要”之外，并不打算提供具体的医疗建议。
其他局限性包括团队使用了“多模态睡眠记录”，这些记录从大脑、心脏和呼吸系统获取非常强的信号。
研究人员希望扩展研究，从使用可穿戴设备的患者那里收集数据，这有助于精确定位模型正在解释的内容。
目前，该技术仅在研究环境中进行测试，尚未向消费者提供。
【全文结束】
