一夜好眠或許是許多人夢寐以求的奢侈，但根據史丹佛大學醫學院的最新研究，睡眠中潛藏的生理訊號，可能遠比我們想像的更能揭示未來的健康藍圖。一個新開發的人工智慧模型，僅需分析一晚的睡眠數據，便能預測超過百種疾病的潛在風險，為預防醫學開啟了全新的想像空間。
這項名為SleepFM的AI模型，其研究成果已發表在權威期刊《自然醫學》(Nature Medicine)上。根據史丹佛醫學中心(Stanford Medicine)的聲明，研究團隊利用了將近60萬小時、來自65000名參與者的睡眠數據對模型進行訓練，堪稱是AI領域首次如此大規模地應用於睡眠研究。
這些數據的來源是「多項睡眠生理記錄」(Polysomnography)，這是在睡眠實驗室中進行的黃金標準檢測。根據News-Medical.Net的報導，過程中會使用多種感測器，全面記錄受試者睡眠時的大腦活動、心率、呼吸模式、眼球與肢體活動等，產生極其豐富的生理資訊。
過去，這些龐雜的數據中只有一小部分被用於傳統的睡眠障礙診斷。史丹佛睡眠醫學教授，同時也是該研究的共同資深作者Emmanuel Mignot指出，睡眠研究就像一座有待開採的金礦，受試者在長達八小時的「完全專屬」時間裡，身體提供了海量的生理學數據。
另一位共同資深作者，生物醫學數據科學副教授James Zou在接受採訪時形容：「SleepFM本質上是在學習睡眠的語言」。 研究團隊將龐大的數據切割成五秒鐘的片段，就像語言模型學習單字一樣，讓AI學會解讀各種生理訊號間的複雜關聯。
為了讓模型能同時理解來自腦電圖、心電圖、呼吸氣流等不同來源的訊號，團隊開發了一種名為「留一對比學習」的創新訓練技術。根據ET CIO的描述，這種方法會刻意隱藏其中一種數據，挑戰AI用其餘的訊號來重建遺失的部分，從而讓模型學會如何協調、整合所有資訊流。
在完成訓練後，SleepFM首先在傳統任務上小試牛刀，例如區分睡眠階段或診斷睡眠呼吸中止症的嚴重程度，其表現與現有頂尖模型相當，甚至更為出色。 但研究團隊的目標遠不止於此，他們希望探索睡眠數據是否能預測未來的疾病。
研究最關鍵的一步，是將這些睡眠數據與參與者的長期電子健康紀錄配對。得益於史丹佛睡眠醫學中心自1970年成立以來積累的豐富資料，部分患者的追蹤紀錄長達25年。 透過分析超過1000種疾病類別，團隊最終發現SleepFM能以相當高的準確度，預測其中130種疾病的發生風險。
根據Indiablooms的報導，該模型在預測癌症、妊娠併發症、循環系統疾病及精神障礙等領域的表現尤其突出。 具體來說，它預測帕金森氏症的準確率指數(C-index)高達0.89，失智症為0.85，乳癌與攝護腺癌分別為0.87和0.89，甚至對全因死亡率的預測也達到了0.84。
James Zou表示，即使是準確率指數在0.7左右的模型，在臨床上都已經被證明是有用的，例如用於預測患者對不同癌症治療的反應，因此SleepFM的表現令人格外驚喜。 這項成果的重大意義在於，它可能將睡眠監測從單純的診斷工具，轉變為一種強大的預防醫學策略，在臨床症狀出現的數年之前就發出預警。
研究人員在接受國際媒體RNZ訪問時提到，目前模型如何根據特定訊號做出預測的具體機制尚不完全明朗，這也是團隊下一步的研究重點。 他們同時也在探索將穿戴式裝置(如智慧手錶)的數據整合進來，讓這項技術未來有機會走出實驗室，進入一般人的日常生活。
相關報導：news-medical.net、rnz.co.nz
