斯坦福大學(xué)科研團(tuán)隊在醫(yī)學(xué)人工智能領(lǐng)域取得重大進(jìn)展，其開發(fā)的SleepFM模型可基于單夜睡眠數(shù)據(jù)預(yù)測個體未來健康風(fēng)險。該研究成果已發(fā)表于國際權(quán)威醫(yī)學(xué)期刊《自然·醫(yī)學(xué)》，相關(guān)代碼與模型架構(gòu)同步開源，為全球醫(yī)療健康研究提供新工具。

這項研究依托超過25年的縱向臨床數(shù)據(jù)，覆蓋6.5萬名受試者的長期健康記錄。與傳統(tǒng)睡眠監(jiān)測設(shè)備僅記錄單一指標(biāo)不同，SleepFM通過多模態(tài)生理信號融合技術(shù)，同步分析腦電波、心電圖、呼吸頻率等20余項生物參數(shù)，能夠識別睡眠中微妙的生理波動模式。這些模式與心血管疾病、神經(jīng)退行性疾病等重大健康問題存在顯著關(guān)聯(lián)。

在性能驗證階段，該模型展現(xiàn)出卓越的預(yù)測能力。對全因死亡率的預(yù)測準(zhǔn)確率達(dá)84%，針對阿爾茨海默病等癡呆癥的預(yù)測準(zhǔn)確率提升至85%。在心力衰竭和心肌梗死的風(fēng)險評估中，其預(yù)測一致性指數(shù)超越現(xiàn)有臨床模型，特別是在無癥狀早期階段的識別能力具有突破性意義。研究團(tuán)隊強(qiáng)調(diào)，這種精準(zhǔn)預(yù)測得益于對睡眠周期中非線性生理特征的深度挖掘。

技術(shù)架構(gòu)創(chuàng)新是該成果的核心突破。研究人員采用通道無關(guān)的深度學(xué)習(xí)框架，使模型能夠適應(yīng)不同監(jiān)測設(shè)備的數(shù)據(jù)格式。這種設(shè)計為技術(shù)普惠化奠定基礎(chǔ)——未來通過智能手表等消費(fèi)級設(shè)備采集的心電、血氧等簡化數(shù)據(jù)，經(jīng)過模型處理后仍可提供有價值的健康預(yù)警。目前團(tuán)隊已與多家可穿戴設(shè)備廠商開展合作，優(yōu)化算法在低功耗設(shè)備上的運(yùn)行效率。

開源特性賦予這項技術(shù)更廣泛的應(yīng)用價值。全球醫(yī)療機(jī)構(gòu)每年產(chǎn)生數(shù)以億計的睡眠監(jiān)測原始數(shù)據(jù)，通過SleepFM模型可轉(zhuǎn)化為結(jié)構(gòu)化的健康風(fēng)險圖譜。這種轉(zhuǎn)化不僅能提升疾病篩查效率，還可幫助公共衛(wèi)生部門識別高危人群，優(yōu)化醫(yī)療資源配置。研究團(tuán)隊特別指出，模型在多元種族數(shù)據(jù)上的訓(xùn)練使其具有更好的泛化能力，特別適合應(yīng)用于不同人種的健康管理場景。