基于深度学习的夜班医院工作人员生理风险分层

夜班为何影响你的健康

医院通宵运转，但维持其运行的人付出了生物学代价。本研究深入分析了两千多名医院工作人员的身体数据，提出一个简单问题：在常规体检结果看似正常的情况下，夜班工作如何悄然重塑他们的健康风险？研究者借助现代人工智能，梳理血压、胆固醇与其他检验指标中的隐含模式，以识别出哪些夜班人员正走在代谢和心血管问题的道路上——在疾病完全显现之前就能察觉。

超越均值，发现隐藏模式

以往大多数研究仅比较夜班与日班工作者的平均检测结果。该团队更进一步。他们收集了2,250名韩国医院员工的常规健康数据——如体重指数、腰围、血压、血糖、肝酶和多种胆固醇——其中约一半为夜班人员。研究不只问某一组的数值是否更高或更低，而是考察这些指标在每个人体内如何作为一个系统相互关联。这很重要，因为两名员工在纸面上的化验值可能相近，但在应对不规则工作时间和睡眠紊乱的内在韧性上可能截然不同。

将化验结果转化为健康地图

为揭示这些隐含结构，研究者使用了一种将众多测量压缩成“生理地图”的数学工具。每位员工在地图上成为一个点，其位置由整体代谢特征决定。地图上的一个主要方向反映总体代谢负荷：沿该轴更远的点通常对应体重更高、血压更高与甘油三酯（血脂的一种）更高的人。另一个方向反映身体维持胆固醇平衡的能力，尤其是“坏”胆固醇与“好”胆固醇之间的拉锯。在这张地图上，尽管夜班人员平均年龄约低十岁，他们仍倾向出现在与更严重代谢负担相关的区域。

识别风险热点与工作负荷效应

在此地图基础上，团队训练了一种深度学习模型，用以估算每个人的代谢风险，模型输入既有医学测量值也有工作细节，如夜班年数和每周工作时长。将地图按预测风险着色后，出现了一个明显的高风险区，体重、血压和甘油三酯同时升高在此聚集。在夜班人群中，这些高风险区域与连续夜班周期更长和总工作时长更大的模式重合。分析还显示，当甘油三酯达到大致“临界偏高”阈值时，预测风险会急剧上升，暗示存在一个临界点，超过后机体应对能力开始失衡。

不同体质，不同脆弱性

研究并未止步于标记一个通用危险区。通过将生理地图与另一种聚类技术结合，研究者识别出不同的工作者亚群体。其中一类聚集在代谢负荷重且胆固醇平衡较差的区域，包含尽管较年轻但预测风险特别高的夜班员工。另一类则显示出更稳定的胆固醇调节和较低的风险，即便暴露于类似的夜班安排。这意味着员工的易感性不仅由夜班数量决定，还取决于其在反复扰乱生物钟时维持脂类和糖代谢平衡的内在能力。

对夜班员工与医院的意义

简而言之，研究表明夜班工作并非对所有人造成相同伤害，传统的平均值可能掩盖最需要帮助的人。通过用人工智能绘制个性化的风险图谱，医院可以从一刀切的规则转向有针对性的保护。像甘油三酯水平、血压和工作时长模式这样的简单标志物，可以帮助识别那些生理上正滑向危险区域的员工，甚至在他们出现明确疾病之前。作者认为，这种以数据为驱动的个体化监测可指导更健康的排班和更早干预，使全天候护理不仅对病人更安全，也能保障夜间值守工作人员的健康。

引用: Lee, I., Hong, S., Lee, J. et al. Deep learning-based physiological risk stratification in night-shift hospital workers. Sci Rep 16, 13686 (2026). https://doi.org/10.1038/s41598-026-43982-y

关键词: 夜班工作, 代谢健康, 昼夜节律紊乱, 医院工作人员, 生理风险