Nat Med：你睡一觉，AI已预测了你的健康未来——睡眠如何成为疾病的“预告信”？

我们常说“睡个好觉”，但你有没有想过，睡眠本身可能正在“说”出你身体的秘密？当我们入睡，大脑活动放缓，但我们的身体仍在进行一场复杂而精密的生理“交响乐”。

近日，一篇发表在国际杂志Nature Medicine上题为“A multimodal sleep foundation model for disease prediction”的研究报告中，来自斯坦福大学医学院等机构的科学家们通过研究开发出一种名为SleepFM的人工智能模型，它就像一位精通“睡眠语言”的翻译官，能通过分析你一夜的睡眠生理信号，预测未来罹患超过130种疾病的风险。这项研究不仅为大规模、高效的健康风险评估开辟了新途径，更让我们重新审视：睡眠，这看似被动的休息状态，是否是揭示健康未来的一个关键窗口？

全球“睡眠赤字”背后的健康隐忧

睡眠问题已成为全球性公共卫生挑战。据统计，全球约三分之一成年人存在睡眠不足问题，而睡眠障碍与多种慢性疾病风险显著相关。例如，长期睡眠不足与心血管疾病、糖尿病、认知功能下降甚至全因死亡率升高都有关联。在中国，成年人失眠发生率也高达15%。传统的睡眠研究依赖于多导睡眠监测（PSG），它虽是“金标准”，但数据分析复杂、耗时，且往往只用于诊断特定睡眠障碍（如睡眠呼吸暂停），海量生理数据的潜在价值长期被埋没。

SleepFM—读懂“睡眠语言”的基础模型

文章中，研究人员构建了一种名为SleepFM的AI基础模型，它类似于大语言模型（如ChatGPT）通过学习海量文本来理解人类语言，而SleepFM则是通过学习58.5万小时、来自约6.5万名参与者的PSG数据，来理解“睡眠的生理语言”。

PSG数据极其丰富，包含了脑电图、心电图、肌电图、血氧、呼吸气流等多种信号，如同记录了身体在夜间运行的“多声道交响乐”。SleepFM采用了一种创新的“留一对比学习”训练方法：它尝试隐藏一种信号（如脑电），然后根据其他信号来“脑补”缺失的部分，从而迫使模型深入理解不同生理信号之间的内在关联和协调性。

核心发现：一夜睡眠预测未来百病

经过训练，SleepFM展现出两大惊人能力：

（1）精准完成传统任务：在睡眠分期、睡眠呼吸暂停严重程度判断等常规任务上，其表现与当前最先进的专用模型相当甚至更优。

（2）开创性预测未来疾病：这是研究的重中之重。通过将海量PSG数据与患者长达数十年的电子健康记录相关联，SleepFM能够仅凭单夜的PSG数据，对130种未来健康状况做出具有临床意义的预测（校正后C指数≥0.75）。

其预测能力尤其突出，例如：1）全因死亡（C指数 0.84）；2）痴呆症（0.85）；3）心肌梗死（0.81）；4）心力衰竭（0.80）；5）帕金森病（0.89）；6）特定癌症（如前列腺癌0.89，乳腺癌0.87）。

研究亮点与共鸣：为何这项研究令人兴奋？

（1）范式创新：从诊断到前瞻性预测：传统睡眠医学主要用于诊断现有障碍。SleepFM将睡眠数据的使用提升到了 “预测性健康” 的新高度，使之成为早期发现慢性病风险的有力工具。

（2）数据价值的深度挖掘：研究证明了长期被“浪费”的PSG海量数据蕴含着巨大的预测价值。这好比从金矿中不仅提炼了金子，还发现了更珍贵的稀有元素。

（3）“协同失调”是危险信号：模型解释分析发现，预测能力最强的线索并非单一信号异常，而是不同生理系统之间的“不协调”或“失调”。例如，大脑信号显示已入睡，但心脏活动却仍像清醒时一样活跃，这种“步调不一致”可能是健康风险的深层标志。这为我们理解疾病早期生理变化提供了全新视角。

（4）强大的迁移学习能力：即使在没有参与训练的外部独立数据集上，SleepFM也表现出强大的预测性能，证明了其可靠性与泛化能力。

SleepFM框架概述

个性化健康管理的“睡眠哨兵”

这项研究为未来健康管理描绘了激动人心的图景：

（1）早期筛查：SleepFM或类似技术未来可整合到临床睡眠检查中，在诊断睡眠障碍的同时，提供一份个性化的长期健康风险报告，实现真正的“睡一觉，知健康”。

（2）机制探索：模型提示的“生理协同失调”线索，将引导科学家深入探索疾病发生前数年，身体系统间微妙的失谐机制，为疾病预防提供新靶点。

（3）技术下沉：随着可穿戴设备监测精度的提升，未来或许能通过更便捷的居家监测设备，实现连续、无感的睡眠健康风险评估。

当然，目前的研究成果仍需在前瞻性临床试验中进一步验证，并需解决伦理、数据隐私等挑战。但毫无疑问，SleepFM已经为我们打开了一扇窗，让我们看到：夜晚并非健康的“盲区”，而是蕴藏着预警未来健康风险的丰富信息流。好好睡觉，不仅是为了明天的精力充沛，更可能是为长远的健康人生投资，而AI，正在帮助我们听懂睡眠这份独特的“身体密语”。（生物谷Bioon.com）

参考文献：

Thapa, R., Kjaer, M.R., He, B. et al. A multimodal sleep foundation model for disease prediction. Nat Med (2026). doi：10.1038/s41591-025-04133-4