隨著生活節奏加快、工作壓力增大，越來越多的人受到失眠困擾。世界衛生組織統計全球有約27%的人口存在睡眠障礙，涉及21.6億人；而在我國18歲以上人群中有5.1億人口存在不同程度睡眠障礙，占比高達48.5%。睡眠科學家長期以來一直試圖解開我們夜間睡眠的奧秘，通過篩選腦電波、心跳和呼吸模式來了解我們所經歷的各個階段。

西奈山伊坎醫學院研究人員建立了一個新的人工智能模型可以以前所未有的方式揭示睡眠模式。利用與ChatGPT等大型語言模型相同的轉換器架構，該模型一次處理一整晚的睡眠數據，使其成為有史以來為睡眠分析創建的最全面的人工智能工具之一。

根據一份新聞稿，該模型被稱為睡眠補丁基礎轉換器（PFTSleep），分析腦電波、肌肉活動、心率和呼吸模式，比傳統方法更有效地對睡眠階段進行分類，簡化睡眠分析，減少變異性，并支持未來的臨床工具來檢測睡眠障礙和其他健康風險。

經過對超過一百萬小時睡眠記錄的大規模數據集的訓練，PFTSleep可以為更快的診斷、更準確的睡眠分期以及更深入地了解睡眠如何影響長期健康鋪平道路。該研究結果的詳細信息發表在3月13日在線出版的《睡眠》雜志上。

“這是人工智能輔助睡眠分析和解釋的一個進步，”第一作者Benjamin Fox說，他是西奈山伊坎醫學院人工智能和新興技術培訓區的博士生。“通過以這種方式利用人工智能，我們可以直接從睡眠研究信號數據中學習相關的臨床特征，并將其用于睡眠評分，以及未來的其他臨床應用，如檢測睡眠呼吸暫停或評估與睡眠質量相關的健康風險。”

傳統的睡眠研究往往依賴于人類專家對小塊數據進行評分，或者利用現有的人工智能模型，這些模型一次只能分析短片段。但這款新模型一次就可以分析一整夜數據。研究人員表示，由于它是在數千條全長睡眠記錄（稱為多導睡眠圖）上進行訓練的，因此它可以發現隨著時間的推移和不同人群中出現的更細微的模式，為睡眠研究和潛在的臨床應用提供了一種更一致和可擴展的方法。

該模型使用自監督學習進行訓練，這種方法可以讓它從生理信號中提取有意義的模式，如大腦活動或呼吸，而不需要人類標記的數據作為指導。

“我們的研究結果表明，人工智能可以改變我們研究和理解睡眠的方式，”共同資深通訊作者Ankit Parekh博士說，他是西奈山伊坎醫學院的醫學助理教授（肺部、重癥監護和睡眠醫學），也是西奈山睡眠和晝夜節律分析小組的主任。“我們的下一個目標是改進臨床應用的技術，例如更有效地識別與睡眠相關的健康風險。”

研究人員強調，PFTSleep不是臨床專業知識的替代品，而是一種強大的輔助工具，可以加速和規范睡眠研究。未來的計劃包括將睡眠階段分類擴展到檢測疾病和預測健康結果。

“這種人工智能驅動的方法有可能徹底改變睡眠研究，”共同資深作者、西奈山Windreich人工智能與人類健康系主任Girish N.Nadkarni博士、公共衛生碩士說。“通過更一致地分析整個晚上的睡眠，我們可以更深入地了解睡眠健康及其與整體幸福感的關系。”