AI 模型分析整晚睡眠以改变睡眠障碍的诊断

快速阅读: 据《AZoAI》最新报道，西奈山艾康医学院研发出一种基于AI的睡眠分析工具，利用超百万小时睡眠数据，能更准确分类睡眠阶段，有望提升睡眠障碍诊断效率。这项研究发表在《睡眠》杂志上。

西奈山艾康医学院
2025年3月18日

西奈山的一项开创性人工智能模型，基于超过百万小时的睡眠数据进行训练，正在革新睡眠分析方法。通过处理整晚的睡眠数据，它提高了准确性，减少了变异性，并有望更高效地帮助诊断睡眠呼吸暂停等疾病。

**研究：**
利用整晚多通道睡眠数据的基础转换器能准确分类睡眠阶段。
图片来源：Gorodenkoff / Shutterstock

西奈山艾康医学院的研究人员开发了一种强大的AI工具，该工具基于大型语言模型（如ChatGPT）使用的相同转换器架构来处理整晚的睡眠。这是规模最大的研究之一，分析了超过百万小时的睡眠数据。他们的研究结果发表在《睡眠》杂志2025年3月13日的在线版上。

名为“睡眠补丁基础转换器”（PFTSleep）的模型通过分析脑电波、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。它简化了睡眠分析，减少了变异性，并支持未来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类专家手动评分睡眠数据的短片段，或使用无法分析患者整晚睡眠的AI模型。这种新方法采用数千份睡眠记录开发，提供了更全面的视角。研究人员表示，通过对整晚睡眠数据进行训练，该模型可以识别整夜的睡眠模式，并适用于不同人群和环境，提供标准化且可扩展的睡眠研究和临床应用方法。

“这是AI辅助睡眠分析和解释的一大进步，”第一作者本杰明·福克斯说，他是西奈山艾康医学院人工智能与新兴技术培训领域的博士候选人。“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提取相关临床特征，用于睡眠评分，并在未来应用于其他临床场景，比如检测睡眠呼吸暂停或评估与睡眠质量相关的健康风险。”

该模型是基于一个包含大量睡眠研究（多导睡眠图）的大数据集构建的，这些研究测量了包括大脑活动、肌肉张力、心率和呼吸模式在内的关键生理信号。与传统AI模型不同，后者只分析30秒的数据片段，而新模型则覆盖整晚睡眠，捕捉到更详细的模式。此外，该模型通过一种称为自监督的方法进行训练，这种方法无需人工标记的结果即可从生理信号中学习相关临床特征。

“我们的研究表明，AI可能彻底改变我们研究和理解睡眠的方式，”共同高级通讯作者阿尼特·帕雷克博士指出，他是西奈山艾康医学院医学助理教授（肺病、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将这项技术进一步完善，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，尽管这一AI工具前景广阔，但它不会取代临床专业知识。相反，它将成为睡眠专家的强大助手，帮助加快并标准化睡眠分析。接下来，研究团队的目标是将其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AI驱动的方法有可能彻底改变睡眠研究，”共同高级通讯作者吉里什·N·纳德卡尼博士说，他是西奈山艾康医学院风雷希人工智能与人类健康系主席，也是哈索·普拉特纳数字健康研究所主任，以及艾琳和阿瑟·M·菲施伯格医学教授。纳德卡尼博士还是数据驱动和数字医学科首位主任和西奈山临床智能中心联合主任。“通过更一致地分析整晚睡眠，我们可以深入了解睡眠健康与整体健康的关系。”

论文标题为：“利用整晚、多通道睡眠研究数据的基础转换器准确分类睡眠阶段”。

期刊列出的作者为本杰明·福克斯、乔伊·姜、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、尼米·A·沙阿、阿尼特·帕雷克和吉里什·N·纳德卡尼。

有关资金的详细信息，请参阅期刊论文：《睡眠》[https://doi.org/10.1093/sleep/zsaf061]。

关于西奈山风雷希人工智能与人类健康系

由国际权威人士吉里什·N·纳德卡尼博士领导，他精通安全、有效和道德地在医疗保健中使用AI，西奈山风雷希人工智能与人类健康系是美国医学院中的首创，致力于在人工智能与人类健康交叉领域推动变革性进展。

关于西奈山风雷希人工智能与人类健康系

该系负责任、有效、公平且安全地利用AI，以转变研究、临床护理、教育和运营。通过汇聚世界级的AI专业知识、前沿基础设施和无与伦比的计算能力，该部门在多尺度、多模态数据分析方面取得突破，同时优化快速测试和转化为实践的路径。

该系从西奈山内部动态合作中受益，包括与哈索·普拉特纳数字健康研究所的合作——这是柏林哈索·普拉特纳数字工程研究所与西奈山卫生系统之间的合作，其使命是推进数据驱动方法以改善患者护理和健康结果。

著名的西奈山艾康医学院位于这一创新的核心，作为学习和协作的中心枢纽。这种独特的整合促进了跨研究所、学术系、医院和门诊中心的动态合作伙伴关系，推动疾病预防、复杂疾病的治疗改进和全球生活质量的提升。

2024年，由西奈山卫生系统临床数据科学团队与系内教员合作开发的创新应用Scan AI赢得了著名的赫斯特健康奖。NutriScan工具加速了住院患者营养不良的识别和治疗。这一机器学习工具提高了营养不良诊断率和资源利用率，展示了AI在医疗保健中的深远影响。

更多关于西奈山风雷希人工智能与人类健康系的信息，请访问[ai.mssm.edu]。

来源：西奈山艾康医学院

期刊参考文献：
Fox, B., Jiang, J., Wickramaratne, S., Kovatch, P., Shah, N. A., Parekh, A., & Nadkarni, G. N. A foundational transformer leveraging full night, multichannel sleep study data accurately classifies sleep stages. Sleep. https://doi.org/10.1093/sleep/zsaf061,
https://academic.oup.com/sleep/advance-article-abstract/doi/10.1093/sleep/zsaf061/8075113

(以上内容均由Ai生成)