斯坦福的AI模型SleepFM， 使用从多家睡眠诊所的患者收集的 585,000 小时睡眠图数据进行训练。每段记录都被分成五秒钟的片段，类似于用词语训练语言模型的方式。
该模型能够同时分析多个数据流，包括脑电波、心率信号、肌肉活动、脉搏测量和呼吸，并学习这些信号之间的相互作用。
随后，他们开展了一项更具挑战性的测试：仅根据睡眠数据预测未来可能出现的疾病。为此，他们将睡眠记录与同一患者的长期病史关联起来。
C 指数反映了模型正确预测两个人中谁会先发生健康事件的频率。
研究人员表示：“对于所有可能的个体组合，模型会给出谁更有可能更早经历某种事件（例如心脏病发作）的排名。C 指数为 0.8 意味着，在 80% 的情况下，模型的预测与实际情况相符。”
结果，SleepFM 在帕金森病（C 指数 0.89）、痴呆症（0.85）、高血压性心脏病（0.84）、心脏病发作（0.81）、前列腺癌（0.89）、乳腺癌（0.87）和死亡（0.84）方面表现出特别强的预测能力。
研究团队目前致力于提升SleepFM的准确性，并深入了解其得出结论的机制。未来的版本可能会整合可穿戴设备的数据，以收集更多关于日常生活和睡眠习惯的信息。
“用于疾病预测的多模态睡眠基础模型”，2026年1月6日，《自然医学》
