新华社华盛顿1月13日电 许多疾病在身体出现明显症状之前会在睡眠状况中有所体现。美国科研人员日前开发出一个人工智能模型,可仅根据一晚上的睡眠情况预测约130种疾病的发病风险,包括心脏病、痴呆症和部分癌症等。
该模型名为SleepFM,由美国斯坦福大学研究人员开发,用来自6.5万名参与者、总时长近60万小时的多导睡眠图数据进行了训练,整合不同的生理信号并梳理其中的关系。这是首个使用人工智能分析如此大规模睡眠数据的研究,相关论文发表在英国《自然-医学》杂志上。
多导睡眠图是一种综合监测患者睡眠状态的方法,记录涉及大脑、心脏、眼球、呼吸和肌肉等的多种生理信号,是睡眠评估的“金标准”。这些睡眠数据被分割成时长5秒钟的片段,作为训练模型的基本数据单元,相当于训练大语言人工智能模型时所用文本中的“单词”。
在训练所用的数据中,有3.5万人的数据来自斯坦福睡眠中心,该中心在25年里持续记录了这些人的睡眠和健康状况。SleepFM模型分析了健康记录涉及的1000多种疾病,发现其中约130种疾病可以通过患者的睡眠数据进行较为准确的预测。该模型对帕金森病、痴呆症、发育迟缓、心脑血管疾病等的预测能力尤为出色;在癌症中,它预测前列腺癌、乳腺癌和皮肤癌的准确率较高。
研究人员说,睡眠是一个复杂的过程,涉及多个生理系统之间的相互作用。以往关于睡眠和疾病的研究往往局限于单个指标与特定疾病的关联,忽视了睡眠生理学的复杂性。这项新成果表明,人工智能模型可以从睡眠数据中了解睡眠的“语言”,实现灵活高效的疾病预测。