Многоформатная фундаментальная модель сна для прогнозирования заболеваний

Почему ночной сон может рассказать о вашем будущем здоровье

Когда вас в клинике подключают к датчикам, а на экране бегут зигзаги, они фиксируют гораздо больше, чем храп или беспокойные ноги. В этом исследовании показано, что одна ночь детальной записи сна может выступать в роли хрустального шара для будущего здоровья. Обучив мощную систему искусственного интеллекта на сотнях тысяч часов данных сна, исследователи обнаружили, что наша манера спать содержит скрытые подсказки о рисках деменции, сердечных заболеваний, проблем с почками, рака и даже преждевременной смерти — за годы до появления самих болезней.

Слушая тело во время сна

В лабораториях сна используют тест полисомнографию: датчики на коже головы, лице, груди и ногах регистрируют мозговые волны, движение глаз, сердечный ритм, дыхание и мышечную активность на протяжении ночи. Эти тесты считаются золотым стандартом в изучении сна, но они генерируют огромные и сложные потоки данных, которые сложно полностью интерпретировать человеку‑эксперту. Большинство прежних исследований фокусировалось лишь на одной проблеме — например, апноэ или нарколепсии — и часто опиралось на трудоемкую ручную разметку. В результате более глубокая история, скрытая в полном наборе сигналов, оставалась в основном неиспользованной.

Обучение ИИ понимать язык сна

Авторы создали «фундаментальную модель» под названием SleepFM, заимствуя идеи у больших языковых моделей, которые учатся на огромных массивах текста. Вместо слов и предложений SleepFM учится на сырых сигналах сна. Модель была обучена на более чем 585 000 часах ночных записей от свыше 65 000 человек, собранных в нескольких центрах сна и популяционных исследованиях. Модель принимает короткие пятисекундные фрагменты активности мозга, сердца, дыхания и мышц, а затем объединяет их с помощью нейросетей на основе механизма внимания, которые способны работать с разными конфигурациями датчиков в разных клиниках. В процессе обучения она сама выравнивает информацию между типами сигналов, вырабатывая общую внутреннюю репрезентацию того, как выглядит здоровый и нездоровый сон, без необходимости в человеческих метках.

От одной ночи — к множеству возможных диагнозов

После обучения внутренние «отпечатки сна» SleepFM связали с электронными медицинскими записями, чтобы проверить, могут ли они предсказывать последующие заболевания. Исследователи изучили более 1 000 состояний и проверяли для каждого пациента, может ли одно ночное исследование предсказать, кто разовьет заболевание через годы. SleepFM с высокой надежностью предсказала 130 различных диагнозов, включая общую смертность, деменцию, сердечную недостаточность, инсульт, хроническую болезнь почек и несколько видов рака. Для некоторых состояний, таких как болезнь Паркинсона, деменция и крупные сердечные проблемы, её результаты приблизились к показателям или превзошли специализированные инструменты на основе мозговых снимков или кардиозаписей.

Как сигналы сна связаны с мозгом, сердцем и другими системами

Рассматривая, какие части ночи и какие датчики были наиболее информативны, команда выявила закономерности, имеющие биологический смысл. Сигналы мозговой активности и движений глаз особенно помогали при прогнозировании неврологических и психических расстройств, что согласуется с данными о том, что изменения глубокого сна и быстрого сна с движениями глаз часто предшествуют болезни Альцгеймера и Паркинсона. Дыхательные и кислородные сигналы лучше информировали о респираторных и метаболических состояниях, тогда как следы сердечного ритма имели больше веса для заболеваний циркуляторной системы, таких как сердечная недостаточность и инсульт. Хотя каждый тип сигнала вносил вклад, лучшие прогнозы давало их объединение, что указывает на то, что многие болезни оставляют тонкие отпечатки по всему телу во сне.

Надежные результаты между клиниками и во времени

Чтобы проверить, будет ли SleepFM работать вне учреждений, где оно обучалось, исследователи применили модель к независимому исследованию более чем 6 000 пожилых людей, данные которых не использовались в первоначальном обучении. При лишь легкой дополнительной настройке модель по‑прежнему точно предсказывала критические исходы, такие как инсульт, сердечно‑сосудистая смерть и застойная сердечная недостаточность. Она также сохраняла хорошую работоспособность у более недавних пациентов, чьи записи сна были сделаны спустя годы после исходных данных обучения, что указывает на устойчивость выученных паттернов сна и их способность справляться с реальными изменениями в практике и составе популяций.

Что это может значить для повседневной заботы о здоровье

Для неспециалистов основной вывод прост: сон — это не только симптом болезни, но и богатое измеримое окно в долгосрочное состояние организма. SleepFM показывает, что одно ночное исследование может помочь выявить людей с повышенным риском серьезных заболеваний задолго до появления симптомов, превосходя модели, опирающиеся только на возраст, пол, вес и другие базовые характеристики. Хотя требуется больше работы, чтобы обобщить результаты за пределы пациентов клиник сна и объяснить предсказания для каждого конкретного случая, этот подход указывает на будущее, в котором умный анализ сна — потенциально даже с устройств для домашнего использования — может стать рутинным, неинвазивным инструментом раннего предупреждения и постоянного мониторинга здоровья.

Цитирование: 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

Ключевые слова: сон и риск заболеваний, полисомнография, фундаментальные модели в медицине, прогноз деменции и сердечных заболеваний, мониторинг здоровья во сне