斯坦福大学研究团队近日在权威医学期刊《自然·医学》上发表了一项突破性成果。他们研发出一款名为 SleepFM 的开源人工智能模型，仅需分析用户一晚的睡眠监测数据，即可精准预测其未来 6 年内的健康状况及死亡风险。

生理信号深度解码

该研究基于长达 25 年、涵盖 6.5 万名参与者的海量临床数据进行训练。不同于普通智能手表的简单监测，该模型深度整合了脑电、心电、呼吸等多种生理信号，能够捕捉到人体在睡眠中隐藏的细微异常。

SleepFM 在预测全因死亡率方面的准确率达到了 84%，而在痴呆症预测上的表现甚至高达 85%。此外，针对心力衰竭和心肌梗死等严重循环系统疾病，该模型的预测一致性指数均处于行业领先水平。

推动普惠医疗预警

目前该技术虽主要依托专业的多导睡眠监测设备，但其核心算法采用了通道无关设计。这意味着在不久的将来，该技术有望适配智能手表等便携终端，仅通过心电或呼吸等简化信号，为普通大众提供基础的健康预警。

这项研究的开源属性也为医疗资源的二次利用提供了新思路。全球每年海量的睡眠监测原始数据，如今可以通过该模型转化为极具价值的健康管理建议，从而大幅提升医疗体系的筛查效率。