来自可穿戴设备的睡眠数据可能有助于预测早产

快速阅读: 《圣路易斯华盛顿大学》消息，圣路易斯华盛顿大学团队利用机器学习分析孕妇睡眠数据，发现规律睡眠可预测早产。研究由本·沃纳、赵培楠等完成，成果发表于《女性健康》杂志。

从左上角开始逆时针：本·沃纳、赵培楠、莎拉·英格兰和卢晨阳。

早产并发症是5岁以下儿童死亡的首要原因，近75%的早产案例可以通过干预措施进行预防。尽管导致早产的原因大多尚不清楚，但圣路易斯华盛顿大学的一支跨学科研究团队发现，孕期睡眠模式的差异可以有效预测早产。

本·沃纳是麦凯尔维工程学院的博士生，赵培楠是华盛顿大学医学部妇产科助理教授，他们使用机器学习模型分析了孕妇的睡眠数据。虽然睡眠紊乱已被认为是早产（即妊娠不足37周分娩）的预测因素，但由于数据是由患者自行报告的，因此其背后的原因一直不明确。

沃纳研究了665名孕妇在怀孕前两个妊娠期的数据，并记录了她们的分娩日期。这些患者参与了一项2014年在圣路易斯华盛顿大学和BJC医疗保健机构进行的队列研究。该队列中约有14%的患者经历了早产。沃纳由麦凯尔维工程学院计算机科学与工程系的富尔格拉夫教授卢晨阳指导；赵培楠；以及华盛顿大学医学部的艾伦·A.和伊迪丝·L.沃尔夫教授兼妇产科研究副主任莎拉·英格兰指导。

这些患者佩戴了一个经过临床验证的腕部监测设备，称为活动记录仪，用于大约两周的时间测量身体运动。这些数据使团队能够提取每日的睡眠长度、患者入睡和起床时间、睡眠期间的活动以及其他多个变量。患者还完成了关于睡眠模式的调查。沃纳和赵培楠将这两种数据来源结合起来，并将其输入机器学习模型，以了解睡眠模式对早产的影响。

“我们发现睡眠指标在一定程度上可以预测早产，”沃纳说。“睡眠模式的变异性往往比平均睡眠指标更能预测早产，保持规律的睡眠比平均睡眠时长更重要。”

卢的实验室已经研究了可穿戴设备的各种数据，包括用于新冠病毒的接触追踪、预测手术结果以及检测抑郁和焦虑。

“可穿戴设备的原始数据可能非常杂乱，但通过结合统计方法、人工智能（AI）和临床知识，研究人员可以提取重要的临床见解，”卢表示，他同时还是该校人工智能健康研究所的主任。“然后人工智能科学家和临床医生合作，从这些来自真实世界的复杂数据中提取见解，并从中获得有意义的洞察。”

赵表示他们的模型有意设计得简单，并在结果中寻找临床上显著的关联。

“我们的模型显示，机器学习模型比更传统的统计模型更好，”赵说，她也是生殖健康科学中心的成员。“我们可以查看各个变量的重要性：这个变量对预测模型的贡献有多大，它对最终结果的影响有多大？基于此，潜在干预的方向是促进更规律的睡眠时间表。”

虽然许多孕妇报告睡眠被打断，但英格兰表示，这通常发生在第三妊娠期。该团队专注于在女性怀孕20周之前找到信号。

“目前没有干预措施，因为我们无法预测谁会早产，”英格兰说，她是生殖健康科学中心的主任。“我们希望这能大大有助于提高高风险女性的预测效果。”

展望未来，该团队计划在其他学术医疗中心的其他群体中验证这些结果。

“这项研究体现了工程学与妇产科之间的合作，”英格兰说。“许多人看不到工程学与生殖领域之间的自然联系，这是工程师与我们领域研究人员互动的另一个理想方式。”

Warner BC, Zhao P, Herzog ED, Frolova AI, England SK, Lu C. 预测早产的基于睡眠的活动记录仪机器学习模型的验证。《女性健康》杂志。2025年6月20日，DOI: 10.1038/s44294-025-00082-y。

这项研究的资金由美国产瘫基金会、富尔格拉夫基金会、圣路易斯儿童医院、巴恩斯-约翰逊医院、圣路易斯华盛顿大学医学院妇产科系、华盛顿大学人工智能健康研究所和詹姆斯·麦凯尔维工程学院提供。

本研究使用的代码可在该链接获取：https://github.com/bcwarner/mod-actigraphy-clf