【一夜睡眠，AI读懂你身体的130种疾病信号】

我们一生有三分之一的时间在睡眠中度过，但这段时间里，身体究竟在"说"什么？

斯坦福James Zou团队在Nature Medicine发表重磅研究：他们训练了一个名为SleepFM的基础模型，用58.5万小时、来自6.5万人的睡眠记录数据——整合脑电、心电、肌电和呼吸信号——让AI学会了"睡眠的语言"。

核心发现：

1. 仅凭一晚睡眠数据，AI就能预测130种疾病风险，包括痴呆、心衰、肾病、中风等，且预测时间可提前至临床确诊数年之前。

2. 预测效果显著优于传统的人口统计学特征（年龄、性别等），而后者本身已是强预测因子。

3. 技术架构上，团队设计了一套多模态时序数据融合方案：CNN提取局部特征，Transformer聚合跨时间和跨通道信息，再通过"留一模态"对比学习训练鲁棒表征，使模型能泛化到不同采集站点和人群。

这项研究的意义不止于技术突破。

过去AI在睡眠领域的应用大多局限于睡眠分期、呼吸暂停检测等单一任务。SleepFM的思路是：把睡眠当作一个高密度的生理信号窗口，从中读取身体上游功能障碍的早期线索——胰岛素抵抗、自主神经失衡、神经炎症、淋巴系统清除障碍、低氧、昼夜节律紊乱……这些往往在记忆衰退、血液指标异常或影像学改变之前就已悄然发生。

当然，预测本身只有在能改变干预策略时才有价值。如果能将这类模型与个性化预防结合——更早地调整睡眠节律、改善夜间低氧、干预代谢炎症——才是真正的临床意义所在。

你的身体在你入睡时从未停止"说话"，现在我们终于有了倾听的工具。

论文及代码已开源。

www.nature.com/articles/s41591-025-04133-4