斯坦福AI模型SleepFM：一晚睡眠数据可洞察未来130种疾病风险

设想一下，我们通常在睡眠实验室中进行的那种“黄金标准”的多导睡眠监测（PSG）——头戴、胸腹部连接着数十根导线的夜晚——不仅能揭示睡眠呼吸暂停或睡眠质量，还能提前预警未来5年、10年甚至15年可能爆发的严重疾病。斯坦福大学的科学家们正是基于此大胆预测，并在2026年1月发表于《自然医学》杂志上的论文中阐述了他们的发现。

由全球知名的睡眠研究专家之一埃马纽埃尔·米尼奥（Emmanuel Mignot）和詹姆斯·周（James Zou）共同领导的团队，开发出了一款名为SleepFM的“基础性”人工智能大模型。这款模型的理念与ChatGPT等现代语言模型相似，但它“阅读”的并非文本，而是人体的生理信号数据。

该模型的数据基础极其庞大：收集了来自约6.5万名不同人群的近58.5万小时的多导睡眠监测记录。其中，最大的数据源来自斯坦福睡眠医学中心长达25年的历史档案。这些海量数据涵盖了每晚的脑电图（EEG）、心电图（ECG）、呼吸气流、血氧水平、眼球和腿部运动，以及肌肉张力等GB级信息。

传统上，研究人员往往将这些数据进行高度细分应用：一个模型用于判断睡眠阶段，另一个模型用于计算呼吸暂停次数，如此等等。然而，斯坦福的科学家们另辟蹊径。他们训练该模型使其能够自主地理解睡眠中的身体语言，而无需医生手动标记数以千计的诊断结果。SleepFM通过观察心脏、呼吸和肌肉信号，学习如何从这些信号中推断出大脑的活动情况（反之亦然）。这种对信号的“交叉审问”机制，帮助模型捕捉到了深层次的生理关联。

令人震惊的成果是：仅凭一个晚上的睡眠数据，该模型就能以相当高的准确性（C指数通常在0.75以上，许多病症超过0.80至0.89）预测出超过130种不同疾病的未来风险。其中，预测效果尤为突出的包括：

• 神经退行性疾病：痴呆症（约0.85），帕金森病（约0.89）
• 心血管疾病：心肌梗死（约0.81），心房颤动、心力衰竭、高血压性心脏病
• 肿瘤疾病：某些类型的癌症（如前列腺癌、乳腺癌等，预测值高达0.87–0.89）
• 此外，还包括中风、慢性肾病、妊娠并发症、精神障碍，甚至总体死亡率的预测。

一个关键的技术优势在于：该模型对不同传感器组合和记录质量具有很强的鲁棒性。即使某个数据通道出现噪音或完全缺失，SleepFM也会重新分配注意力到其他信号上，依然能有效运行。这使得它在未来的实际应用中更具可行性。

未来的前景确实令人振奋。目前，SleepFM主要基于临床多导睡眠监测这一“金标准”进行训练。但研究人员明确指出，如果可穿戴设备（如智能手表、戒指、胸带式传感器或家用追踪器）的信号质量持续提升，类似的AI模型有望进入大众市场。

因此，一次普通的夜间睡眠，不再仅仅是身体的“重启”，而是一次自然、免费且信息量巨大的全身“筛查”。或许在未来几年内，“进行一次多导睡眠监测”的说法，将类似于今天我们说“做一次全血细胞计数”——只是它无需针刺，信息量却要丰富得多。

尽管距离大规模应用尚有距离（需要进行更广泛的独立验证、获得监管批准，并适配可穿戴设备），但SleepFM无疑指明了一个强劲的发展方向。睡眠，很可能成为21世纪最重要的新兴“生命体征”之一。