新人工智能模型使用百万小时数据分析睡眠

随着生活节奏加快、工作压力增大，越来越多的人受到失眠困扰。世界卫生组织统计全球有约27%的人口存在睡眠障碍，涉及21.6亿人；而在我国18岁以上人群中有5.1亿人口存在不同程度睡眠障碍，占比高达48.5%。睡眠科学家长期以来一直试图解开我们夜间睡眠的奥秘，通过筛选脑电波、心跳和呼吸模式来了解我们所经历的各个阶段。

西奈山伊坎医学院研究人员建立了一个新的人工智能模型可以以前所未有的方式揭示睡眠模式。利用与ChatGPT等大型语言模型相同的转换器架构，该模型一次处理一整晚的睡眠数据，使其成为有史以来为睡眠分析创建的最全面的人工智能工具之一。

根据一份新闻稿，该模型被称为睡眠补丁基础转换器（PFTSleep），分析脑电波、肌肉活动、心率和呼吸模式，比传统方法更有效地对睡眠阶段进行分类，简化睡眠分析，减少变异性，并支持未来的临床工具来检测睡眠障碍和其他健康风险。

经过对超过一百万小时睡眠记录的大规模数据集的训练，PFTSleep可以为更快的诊断、更准确的睡眠分期以及更深入地了解睡眠如何影响长期健康铺平道路。该研究结果的详细信息发表在3月13日在线出版的《睡眠》杂志上。

“这是人工智能辅助睡眠分析和解释的一个进步，”第一作者Benjamin Fox说，他是西奈山伊坎医学院人工智能和新兴技术培训区的博士生。“通过以这种方式利用人工智能，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。”

传统的睡眠研究往往依赖于人类专家对小块数据进行评分，或者利用现有的人工智能模型，这些模型一次只能分析短片段。但这款新模型一次就可以分析一整夜数据。研究人员表示，由于它是在数千条全长睡眠记录（称为多导睡眠图）上进行训练的，因此它可以发现随着时间的推移和不同人群中出现的更细微的模式，为睡眠研究和潜在的临床应用提供了一种更一致和可扩展的方法。

该模型使用自监督学习进行训练，这种方法可以让它从生理信号中提取有意义的模式，如大脑活动或呼吸，而不需要人类标记的数据作为指导。

“我们的研究结果表明，人工智能可以改变我们研究和理解睡眠的方式，”共同资深通讯作者Ankit Parekh博士说，他是西奈山伊坎医学院的医学助理教授（肺部、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临床应用的技术，例如更有效地识别与睡眠相关的健康风险。”

研究人员强调，PFTSleep不是临床专业知识的替代品，而是一种强大的辅助工具，可以加速和规范睡眠研究。未来的计划包括将睡眠阶段分类扩展到检测疾病和预测健康结果。

“这种人工智能驱动的方法有可能彻底改变睡眠研究，”共同资深作者、西奈山Windreich人工智能与人类健康系主任Girish N.Nadkarni博士、公共卫生硕士说。“通过更一致地分析整个晚上的睡眠，我们可以更深入地了解睡眠健康及其与整体幸福感的关系。”