史丹佛AI新突破：SleepFM僅憑一夜睡眠數據，預測未來130種疾病風險

想像一下，傳統的睡眠多項生理檢查（Polysomnography, PSG）——那種需要頭部、胸部和腿部連接數十條電線的「黃金標準」實驗室過夜檢查——不僅能揭示睡眠呼吸中止症或睡眠品質，還能預警未來五、十年甚至十五年後可能爆發的嚴重疾病。史丹佛大學的科學家們正是基於此概念，在2026年1月發表於《Nature Medicine》的論文中提出了驚人的主張。

由全球頂尖睡眠研究學者之一的Emmanuel Mignot教授，以及James Zou博士共同領導的研究團隊，開發出了一款名為SleepFM的基礎人工智慧模型。這款模型的設計理念與ChatGPT等大型語言模型相似，但它處理的不是文字，而是睡眠期間記錄下的複雜生理訊號。

為了訓練SleepFM，研究人員利用了龐大的數據集：累積了近585,000小時的PSG記錄，這些數據來自大約65,000名不同族群的受試者（其中最大宗的資料庫來自史丹佛睡眠醫學中心過去25年的積累）。這些數據每晚都包含數以GB計的資訊，涵蓋腦電圖（EEG）、心電圖（ECG）、呼吸氣流、血氧水平、眼球及腿部運動，以及肌肉張力等。

傳統上，這類數據往往被分散應用：一個模型用於判斷睡眠階段，另一個模型用於計算呼吸中止次數，依此類推。然而，史丹佛團隊採取了不同的策略。他們訓練模型使其能夠自主地解讀睡眠中的身體語言，而無需臨床醫師手動標註數以千計的診斷結果。SleepFM透過觀察心臟、呼吸和肌肉的訊號，學習如何從中推斷大腦活動（反之亦然）——這種強制性的訊號「交叉審問」，有助於捕捉到深層的生理關聯性。

其成果令人振奮：僅憑單次夜間的睡眠數據，該模型就能以相當高的準確性（C-index介於0.75以上，許多狀況甚至高達0.80至0.89）預測未來可能發生的超過130種不同疾病的風險。其中，預測效果特別顯著的類別包括：

• 神經退化性疾病：失智症（約0.85）、帕金森氏症（約0.89）
• 心血管疾病：心肌梗塞（約0.81）、心房顫動、心臟衰竭、高血壓性心臟病
• 癌症：特定類型的癌症（如前列腺癌、乳腺癌等，高達0.87至0.89）
• 此外，還包括中風、慢性腎臟病、懷孕併發症、精神障礙，甚至總體死亡率的預測。

一個關鍵的技術優勢在於，該模型對於不同感測器組合和記錄品質展現出穩健性。若某個數據通道出現雜訊或完全缺失，SleepFM會自動將注意力轉移到其他訊號上，依然能維持運作。這使得它在未來的實際應用中更具可行性。

未來的展望確實令人期待。目前SleepFM是基於臨床的「黃金標準」——PSG進行訓練的。但作者們明確指出，如果穿戴式裝置（如智慧手錶、戒指、胸帶感測器或家用追蹤器）的訊號品質持續提升，類似的模型將有望進入大規模應用。

這意味著，一次尋常的夜間睡眠，不僅是身體的「重置」，更是一次天然、免費且極具洞察力的全身「篩檢」。或許在不久的將來，「進行一次PSG檢查」的說法，將如同今日的「抽血常規檢查」一樣普遍——只是無需針頭，且資訊量遠超以往。

儘管距離廣泛應用尚有一段距離（需要進行大規模的獨立驗證、取得監管機構批准，並適應穿戴式設備的數據），但這項研究無疑確立了一個極具潛力的發展方向。睡眠，很可能成為21世紀醫學中嶄新的、至關重要的「生命徵象」。