疾患予測のためのマルチモーダル睡眠基盤モデル

一晩の睡眠が将来の健康を示す理由

クリニックでモニターにつながれて眠ると、画面に現れるその波形はいびきやむずむず脚以上の情報をとらえています。本研究は、詳細な一晩の睡眠記録が未来の健康を占う水晶玉のように働くことを示しています。何十万時間にも及ぶ睡眠データで強力な人工知能を訓練したところ、睡眠のあり方には認知症、心疾患、腎障害、がん、さらには早期死亡のリスクを、これらの病気が現れる何年も前に示す隠れた手がかりが含まれていることが分かりました。

睡眠中の身体に耳を傾ける

睡眠検査として用いられるポリソムノグラフィーでは、頭皮、顔、胸、脚に装着したセンサーで一晩を通して脳波、眼球運動、心拍、呼吸、筋活動を記録します。これらは睡眠を理解するためのゴールドスタンダードとされますが、巨大で複雑なデータストリームを生み出し、人間の専門家が完全に解釈するのは容易ではありません。これまでの研究の多くは、睡眠時無呼吸やナルコレプシーなど個別の問題に焦点を当て、手作業によるスコアリングに頼ることが多かったため、全体の信号が織りなすより深い物語はほとんど活用されていませんでした。

睡眠の言語を理解するようにAIを教える

著者らは「SleepFM」と呼ぶ基盤モデルを構築し、巨大言語モデルから着想を得ました。単語や文の代わりに、SleepFMは生の睡眠信号から学びます。数か所の睡眠センターやコホート研究で収集された6万5千人以上、合計58万5千時間超の一晩の記録で訓練されました。モデルは脳、心臓、呼吸、筋活動の短い5秒ごとのスライスを入力として受け取り、病院ごとに異なるセンサー構成にも対応できる注意機構ベースのニューラルネットワークでそれらを統合します。訓練中、モデルはこれらの信号タイプ間の情報を自己整合させ、健康な睡眠と不健康な睡眠の共有内部表現を人手のラベルなしに学習します。

一晩の記録から多様な診断へ

訓練後、SleepFMの内部にある「睡眠フィンガープリント」を電子カルテと結び付け、将来の疾病を予測できるか検証しました。研究者らは1,000を超える疾患を調べ、各患者について単一の一晩の検査で何年後にどのような病気が発症するかを予測できるかを問いました。SleepFMは全原因死亡、認知症、心不全、脳卒中、慢性腎臓病や複数のがんを含む130件の診断について高い精度で予測しました。パーキンソン病や認知症、主要な心疾患などでは、脳画像や心臓記録に基づく専門的なツールに匹敵するか、それを上回る性能を示す場合もありました。

睡眠信号が脳や心臓、全身と結びつく仕組み

夜のどの部分やどのセンサーが重要だったかを分析すると、生物学的に納得のいくパターンが見えてきました。脳波や眼球運動の信号は神経系や精神疾患の予測に特に有用であり、深い睡眠やREM睡眠の変化がアルツハイマー病やパーキンソン病に先行するという証拠を裏付けます。呼吸や酸素飽和の信号は呼吸器や代謝系の病態に関する情報が多く、心電の変動は心不全や脳卒中など循環器疾患の予測に重みを持ちました。各信号タイプはいくらかの寄与をしているものの、最良の予測はそれらを組み合わせた場合に得られ、多くの疾患が睡眠中の全身にわたる微細な指紋を残すことを示唆しています。

クリニック間や時間を超えて堅牢な結果

SleepFMが作成元以外の環境でも機能するかを確認するため、研究者らは初期訓練から除外しておいた6,000人超の高齢者を対象とする独立コホートに適用しました。軽い追加チューニングだけで、モデルは脳卒中、心血管死、うっ血性心不全といった重大なアウトカムを高い精度で予測し続けました。さらに、元の訓練データから数年後に記録されたより新しい患者でも良好な性能を保っており、学習された睡眠パターンが臨床実務や集団の実際の変化に対して十分に安定していることを示唆しています。

日常のケアにとっての意義

非専門家にとっての結論は、睡眠は単なる病気の症状ではなく、体の長期健康を測る豊かな窓であるということです。SleepFMは、一晩の検査で症状が現れる前に重篤な病気の高リスク者を検出する助けとなり、年齢・性別・体重などの基本的特徴のみを用いるモデルを上回ることを示しました。睡眠クリニックの患者以外に一般化することや個々の予測を説明するにはさらなる作業が必要ですが、このアプローチは家庭用機器を含めたスマートな睡眠解析が早期警告や継続的な健康モニタリングのための日常的で非侵襲的なツールになり得る未来を示しています。

引用: Thapa, R., Kjaer, M.R., He, B. et al. A multimodal sleep foundation model for disease prediction. Nat Med 32, 752–762 (2026). https://doi.org/10.1038/s41591-025-04133-4

キーワード: 睡眠と疾病リスク, ポリソムノグラフィー, 医療における基盤モデル, 認知症と心疾患の予測, 睡眠中の健康モニタリング