新的人工智能模型在同类研究中以高精度分析了整个晚上的睡眠

伊坎医学院（Icahn School of Medicine）的研究人员开发了一种强大的人工智能工具，该工具基于ChatGPT等大型语言模型使用的相同转换器架构，可以处理整个晚上的睡眠。迄今为止，这是规模最大的研究之一，分析了1,011,192小时的睡眠。研究结果的详细内容发表在3月13日的《睡眠》杂志

　　

纽约西奈山医学院的研究人员开发了一种强大的人工智能工具，该工具基于与ChatGPT等大型语言模型相同的Transformer架构，用于处理整夜的睡眠数据。迄今为止，这是同类研究中规模最大的一次，分析了1,011,192小时的睡眠数据。研究结果发表在3月13日《睡眠》杂志的在线版上 [https://doi.org/10.1093/sleep/zsaf061]。

该模型名为“睡眠基础Transformer”（PFTSleep），通过分析脑电波、肌肉活动、心率和呼吸模式，比传统方法更有效地对睡眠阶段进行分类，简化了睡眠分析过程，减少了变异性，并支持未来临床工具检测睡眠障碍和其他健康风险。

目前的睡眠分析通常依赖于人工专家手动对睡眠数据的短片段进行评分，或者使用无法分析患者整夜睡眠的人工智能模型。这种新方法利用数千份睡眠记录开发，采用了更全面的视角。通过在完整长度的睡眠数据上进行训练，该模型能够识别整夜以及不同人群和环境中的睡眠模式，为睡眠研究和临床使用提供了一种标准化和可扩展的方法，研究人员表示。

“这是人工智能辅助睡眠分析和解释的一大进步。”第一作者、纽约西奈山医学院人工智能和新兴技术培训领域的博士候选人本杰明·福克斯（Benjamin Fox）说，“通过以这种方式利用人工智能，我们可以直接从睡眠研究信号数据中学习相关的临床特征，并将其用于睡眠评分，以及未来其他临床应用，例如检测睡眠呼吸暂停或评估与睡眠质量相关的健康风险。”

该模型是利用大量睡眠研究（多导睡眠监测）数据构建的，这些数据测量了包括脑活动、肌肉张力、心率和呼吸模式等关键生理信号。与传统人工智能模型仅分析30秒的短片段不同，这种新模型考虑了整夜的睡眠，捕捉到更详细和细微的模式。此外，该模型通过一种称为自监督的方法进行训练，这有助于从生理信号中学习相关的临床特征，而无需使用人工标记的结果。

“我们的研究结果表明，人工智能可能会改变我们研究和理解睡眠的方式。”共同通讯作者、纽约西奈山医学院医学助理教授（肺部、危重症和睡眠医学）安基特·帕雷克（Ankit Parekh）博士说，他也是西奈山睡眠和昼夜节律分析小组主任。“我们的下一个目标是完善这项技术，以便更高效地识别与睡眠相关的健康风险等临床应用。”

研究人员强调，尽管这一人工智能工具前景光明，但它不会取代临床专业知识。相反，它将作为睡眠专家的有力辅助工具，帮助加快和标准化睡眠分析。接下来，该团队的研究将致力于扩展其功能，从睡眠阶段分类扩展到检测睡眠障碍和预测健康结果。

“这种人工智能驱动的方法有潜力彻底改变睡眠研究。”共同通讯作者、纽约西奈山医学院Windreich人工智能与人类健康系主任吉里什·N·纳德卡尼（Girish N. Nadkarni）博士说，他也是哈索·普拉特纳数字健康研究所主任、Irene和Arthur M. Fishberg医学教授，以及西奈山临床智能中心联合主任。“通过以更大的一致性分析整夜的睡眠，我们可以深入了解睡眠健康及其与整体健康之间的联系。”