人工智能透過一晚睡眠數據預測百多種健康風險
加州史丹福大學的研究人員開發出一款名為SleepFM的人工智能（AI）模型，能夠透過分析一個人的睡眠狀況，判斷其是否有超過100種健康狀況的風險。
這個大型語言模型（LLM）SleepFM會讀取用戶在睡眠時的腦波、心率、呼吸訊號、腿部動作及眼球運動等數據，以評估疾病風險。研究團隊於著名期刊《Nature》發表的最新研究指出，他們利用1999年至2024年間，從65,000名患者身上收集超過58萬小時的睡眠數據進行訓練。
這些數據來自睡眠診所，這類醫療機構會透過通宵監測評估患者的睡眠模式。數據被切分成每五秒一個單位，彷如語言模型訓練時的「字詞」。史丹福大學生物醫學數據科學副教授、該研究共同作者James Zou形容：「SleepFM其實是在學習睡眠的語言。」
研究人員更結合了睡眠診所患者的個人健康檔案，讓SleepFM能夠預測未來可能患上的疾病。
SleepFM在預測患者是否會患上帕金森氏症、阿茲海默症、癡呆症、高血壓性心臟病、心臟病發作、前列腺癌及乳癌等疾病時，準確率至少達80%。此外，該模型在預測患者死亡風險時，準確率更高達84%。不過，對於慢性腎病、中風及心律不整等疾病的判斷準確度稍低，約為78%。
史丹福睡眠醫學教授Emmanuel Mignot表示：「睡眠研究時，我們會記錄大量身體信號，這是一種全身生理狀態的監測，在一個完全被監控的人身上持續八小時，數據非常豐富。」研究團隊指出，正是這些多元數據的結合，讓模型能作出更準確的預測。例如，當腦部顯示睡眠狀態，但心臟卻像清醒一樣，這種不同步的身體訊號往往預示著健康風險。
史丹福大學表示，未來將會加入來自穿戴式裝置的數據，進一步提升SleepFM的預測能力。不過研究人員也提醒，現時的研究對象主要是已懷疑有健康問題、參與睡眠診所試驗的人群，未必能代表一般公眾，故模型在普羅大眾中的疾病檢測能力仍需進一步驗證。
—
評論與啟示
這項研究展示了AI在醫療領域的創新應用，特別是在睡眠醫學上的巨大潛能。睡眠作為人體多項生理功能的綜合反映，透過AI對其進行深度學習，有助於早期識別多種疾病風險，甚至可能改變未來的健康監測與疾病預防策略。
不過，現階段模型的樣本偏向已經存在健康疑慮的人士，這是否會影響AI在健康人群中的泛化能力，值得關注。此外，數據的隱私與安全問題亦不可忽視，尤其是涉及敏感的生理與健康數據。
未來若能結合更多元化、廣泛的數據來源，包括穿戴裝置、日常生活數據，甚至遺傳信息，AI或可成為個人化健康管理的強大助手。香港作為國際都市，亦可借鑑此模式，推動本地智慧醫療發展，提升市民的健康水平與醫療效率。
整體而言，SleepFM的出現不僅是科技突破，更是對醫療模式的一次革命，提醒我們睡眠不僅是休息，更是健康的晴雨表。如何在科技發展與倫理監管之間取得平衡，將是未來醫療AI應用的重要課題。
以上文章由GPT 所翻譯及撰寫。而圖片則由GEMINI根據內容自動生成。
