一种用于疾病预测的多模态睡眠基础模型

为何一夜睡眠能揭示你的未来健康状况

当你在诊所里接上监测设备入睡，屏幕上的那些曲线记录的不仅仅是打鼾或不安腿。这项研究表明，一夜详尽的睡眠记录可以像水晶球一样预示未来健康。通过在数十万小时的睡眠数据上训练一个强大的人工智能系统，研究人员发现我们的睡眠方式蕴含着关于痴呆、心脏病、肾脏问题、癌症乃至早亡风险的隐秘线索——这些疾病出现前的多年就能被窥见。

在睡眠中倾听身体

睡眠实验室使用一种称为多导睡眠图（polysomnography）的检测，头皮、面部、胸部和腿部的传感器整夜记录脑电、眼动、心跳、呼吸和肌肉活动。这些检测被视为理解睡眠的金标准，但它们产生庞大而复杂的数据流，难以被人工专家完全解读。以往的大多数研究常常只聚焦于单一问题——例如呼吸暂停或发作性嗜睡，并且常依赖繁琐的人工评分。因此，隐藏在全部信号混合中的更深层信息大多未被挖掘。

教人工智能理解睡眠的语言

作者构建了一个名为 SleepFM 的“基础模型”，借鉴了从海量文本中学习的大型语言模型的思想。SleepFM 学习的不是词语和句子，而是原始的睡眠信号。它在来自多个睡眠中心和人群研究的逾 65,000 人、超过 585,000 小时的整夜记录上进行了训练。该模型以短短五秒片段为单位输入脑电、心脏、呼吸和肌肉活动，然后通过基于注意力的神经网络将它们组合起来，从而能适应不同医院的不同传感器配置。在训练过程中，模型自我学习以在这些信号类型之间对齐信息，形成关于健康与不健康睡眠的共享内部表示，而无需人工标注。

从一夜记录到多种可能诊断

训练完成后，SleepFM 的内部“睡眠指纹”与电子健康记录相连，以评估它们是否能预测未来疾病。研究人员检查了 1,000 多种病症，并对每位患者询问：单次通宵记录是否能预测多年后谁会罹患某种疾病。SleepFM 对 130 种不同诊断的预测表现出强稳健性，包括全因死亡率、痴呆、心力衰竭、中风、慢性肾病和若干癌症。对于某些疾病，如帕金森病、痴呆和主要心脏疾病，其表现接近或超越了基于脑成像或心脏记录的专用工具。

睡眠信号如何关联大脑、心脏及其他器官

通过分析夜间何时以及哪些传感器最重要，团队发现了符合生物学逻辑的模式。脑电与眼动信号在预测神经和精神疾病上尤其有用，这与深度睡眠和快速眼动睡眠的变化往往先于阿尔茨海默病和帕金森病的证据相呼应。呼吸与血氧信号对呼吸系统和代谢性疾病更具信息量，而心律轨迹在循环系统疾病（如心力衰竭和中风）中则更为关键。尽管每类信号都提供了独特信息，但最佳预测来自于它们的组合，这表明许多疾病会在整个睡眠状态中留下微妙的指纹。

在不同诊所与时间上的稳健性

为检验 SleepFM 在原始机构以外是否有效，研究人员将其应用于一项独立研究中 6,000 多名老年受试者的资料，这些资料在最初训练时被留作保留集。在仅做少量额外调整的情况下，模型仍能高准确率地预测中风、心血管死亡和充血性心力衰竭等关键结局。对于那些在原始训练数据几年后录得睡眠的较近期患者，模型也保持了良好的表现，这暗示其学习到的睡眠模式足够稳定，可以应对现实世界中实践和人群的变化。

这对日常护理意味着什么

对非专家来说，结论是睡眠不仅是疾病的一个症状——它是一个丰富且可测量的长期健康窗口。SleepFM 表明，一次通宵记录就能在症状出现之前帮助识别出更高风险的人群，其预测能力超过仅依赖年龄、性别、体重和其他基本特征的模型。尽管还需更多工作以推广到睡眠门诊之外的人群并逐例解释其预测结果，此方法指向了一个未来：通过对睡眠进行智能分析——甚至可能来自家用设备——可以成为常规、无创的早期预警和持续健康监测工具。

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

关键词: 睡眠与疾病风险, 多导睡眠图, 医学中的基础模型, 痴呆与心脏病预测, 睡眠期间的健康监测