西奈山伊坎医学院的研究人员开发了一种强大的AI工具，该工具基于与大型语言模型（如ChatGPT）相同的变压器架构，可以处理整夜的睡眠数据。迄今为止，这是最大的一项研究，分析了1,011,192小时的睡眠数据。他们的研究结果于3月13日在线发表在《睡眠》杂志上。
该模型被称为PFTSleep（用于睡眠的补丁基础变压器），它可以分析脑电波、肌肉活动、心率和呼吸模式，以比传统方法更有效地分类睡眠阶段，简化睡眠分析，减少变异性，并支持未来临床工具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段睡眠数据，或使用无法分析患者整夜睡眠的AI模型。这种新方法使用数千份睡眠记录进行开发，采用更全面的视角。通过训练全夜睡眠数据，该模型可以识别整夜及不同人群和环境中的睡眠模式，提供一种标准化和可扩展的方法用于睡眠研究和临床应用，研究人员表示。
“这是AI辅助睡眠分析和解释的一大进步。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，以及未来的其他临床应用，如检测睡眠呼吸暂停或评估与睡眠质量相关的健康风险。”
——本杰明·福克斯，第一作者，西奈山伊坎医学院人工智能和新兴技术培训领域的博士候选人
该模型使用大量的睡眠研究数据（多导睡眠图）构建，这些数据测量关键生理信号，包括脑活动、肌肉张力、心率和呼吸模式。与传统的AI模型不同，后者仅分析30秒的短片段，该新模型考虑整夜的睡眠，捕捉更详细和微妙的模式。此外，该模型通过一种称为自我监督的方法进行训练，这有助于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可以改变我们研究和理解睡眠的方式，”共同资深通讯作者阿尼基特·帕雷克博士说，他是西奈山伊坎医学院医学助理教授（肺科、重症监护和睡眠医学），也是西奈山睡眠和昼夜节律分析小组的主任。“我们的下一个目标是改进这项技术，以便在临床应用中更高效地识别与睡眠相关的健康风险。”
研究人员强调，尽管这一AI工具有前景，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，团队的研究旨在扩展其功能，超越睡眠阶段分类，检测睡眠障碍并预测健康结果。
“这种AI驱动的方法有潜力彻底改变睡眠研究，”共同资深通讯作者吉里什·N·纳德卡尼博士说，他是西奈山伊坎医学院温德赖希人工智能和人类健康系主任，哈索·普拉特纳数字健康研究所所长，医学教授。纳德卡尼博士还是数据驱动和数字医学部门的创始主任，也是西奈山临床智能中心的联合主任。“通过更一致地分析整夜睡眠，我们可以深入揭示睡眠健康及其与整体福祉之间的联系。”
论文题目为“基于整夜多通道睡眠研究数据的基础变压器准确分类睡眠阶段”。
(全文结束)