共计 1457 个字符，预计需要花费 4 分钟才能阅读完成。
纽约州纽约市 [2025 年 3 月 17 日]—西奈山医学院伊坎医学院的研究团队近日开发了一款基于 Transformer 架构的强大 AI 工具，用于处理整夜的睡眠数据。这项研究规模空前，分析了超过 100 万小时的睡眠数据。研究结果已于 3 月 13 日发表在在线期刊《Sleep》上。
这款名为“基于 Transformer 的睡眠基础模型”（PFTSleep）的工具，通过分析脑电波、肌肉活动、心率和呼吸模式，能够比传统方法更有效地分类睡眠阶段。这不仅简化了睡眠分析流程，减少了数据变异性，还为未来开发检测睡眠障碍及其他健康风险的临床工具奠定了基础。
目前，睡眠分析通常依赖人类专家手动评分短段睡眠数据，或使用无法分析整夜睡眠的 AI 模型。而这项新方法通过整合数千份睡眠记录，提供了更全面的视角。研究人员表示，通过对完整睡眠数据进行训练，该模型能够识别整夜的睡眠模式，并适用于不同人群和场景，为睡眠研究和临床应用提供了一种标准化且可扩展的方法。
“这是 AI 辅助睡眠分析和解释的一大进步，”第一作者 Benjamin Fox 表示，他是西奈山医学院伊坎医学院人工智能与新兴技术培训领域的博士候选人。“通过这种方式利用 AI，我们可以直接从睡眠研究信号数据中学习相关临床特征，并将其用于睡眠评分，未来还可用于其他临床应用，如检测睡眠呼吸暂停或评估与睡眠质量相关的健康风险。”
该模型使用了一个大型睡眠研究数据集（多导睡眠图）构建，这些数据测量了包括脑活动、肌张力、心率和呼吸模式在内的关键生理信号。与传统 AI 模型仅分析 30 秒短段数据不同，这一新模型考虑了整夜的睡眠，捕捉了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，该方法有助于从生理信号中学习相关临床特征，而无需使用人工标注的结果。
“我们的研究结果表明，AI 可以改变我们研究和理解睡眠的方式，”共同资深通讯作者 Ankit Parekh 博士表示，他是西奈山医学院伊坎医学院医学助理教授（肺病、重症监护和睡眠医学），同时也是西奈山睡眠与昼夜节律分析小组的主任。“我们的下一个目标是改进技术，以用于临床应用，例如更高效地识别与睡眠相关的健康风险。”
研究人员强调，尽管这一 AI 工具前景广阔，但它不会取代临床专业知识。相反，它将作为睡眠专家的强大辅助工具，帮助加快和标准化睡眠分析。接下来，该团队的研究目标是将能力扩展到睡眠阶段分类之外，用于检测睡眠障碍和预测健康结果。
“这种 AI 驱动的方法有潜力彻底改变睡眠研究，”共同资深通讯作者 Girish N. Nadkarni 博士表示，他是西奈山医学院 Windreich 人工智能与人类健康系的主席，Hasso Plattner 数字健康研究所的主任，同时也是 Irene 和 Dr. Arthur M. Fishberg 医学教授。Nadkarni 博士还担任数据驱动与数字医学部门的首任主任，以及西奈山临床智能中心的联合主任。“通过以更高的一致性分析整夜的睡眠，我们可以更深入地了解睡眠健康及其与整体健康的联系。”
该论文的标题为“基于整夜多通道睡眠研究数据的基础 Transformer 模型准确分类睡眠阶段”。论文的作者包括 Benjamin Fox、Joy Jiang、Sajila Wickramaratne、Patricia Kovatch、Mayte Suarez-Farinas、Neomi A. Shah、Ankit Parekh 和 Girish N. Nadkarni。
有关资助的详细信息，请参阅论文：《Sleep》https://doi.org/10.1093/sleep/zsaf061。
