研究人员开发了一种强大的人工智能工具，基于与大型语言模型（如ChatGPT）相同的变换器架构，来处理整个夜晚的睡眠。迄今为止，这是最大的一项研究之一，分析了1,011,192小时的睡眠。该模型称为“用于睡眠的补丁基础变换器”（PFTSleep），分析脑波、肌肉活动、心率和呼吸模式，以比传统方法更有效地分类睡眠阶段，简化睡眠分析，减少变异性，并支持未来临床工具以检测睡眠障碍和其他健康风险。
艾坎医学院的研究人员开发了一种强大的人工智能工具，基于与大型语言模型（如ChatGPT）相同的变换器架构，来处理整个夜晚的睡眠。迄今为止，这是最大的一项研究之一，分析了1,011,192小时的睡眠。他们的研究结果在3月13日的期刊睡眠的在线刊物中报告。
该模型称为“用于睡眠的补丁基础变换器”（PFTSleep），分析脑波、肌肉活动、心率和呼吸模式，以比传统方法更有效地分类睡眠阶段，简化睡眠分析，减少变异性，并支持未来临床工具以检测睡眠障碍和其他健康风险。
当前的睡眠分析通常依赖于人类专家手动评分短时间段的睡眠数据或使用不具备分析患者整晚睡眠的人工智能模型。这种新方法利用数千个睡眠记录，采用更全面的视角。通过对全长睡眠数据的训练，该模型可以识别整夜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标准化和可扩展的方法，研究人员表示。
“这是在人工智能辅助的睡眠分析和解读方面的进步，”首席作者、艾坎医学院人工智能和新兴技术培训领域的博士生本杰明·福克斯说。“通过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。”
该模型是使用大量的睡眠研究数据集（多导睡眠图）构建的，这些数据集测量关键的生理信号，包括脑活动、肌肉张力、心率和呼吸模式。与传统的人工智能模型仅分析短的30秒片段不同，这种新模型考虑了整个夜晚的睡眠，捕捉到更详细和微妙的模式。此外，该模型是通过一种称为自我监督的方法进行训练的，这有助于从生理信号中学习相关的临床特征，而不使用人类标注的结果。
“我们的发现表明，人工智能可能会改变我们研究和理解睡眠的方式，”共同首席通讯作者、艾坎医学院肺病、重症监护和睡眠医学助理教授、曼哈顿西奈山的睡眠和生理分析组主任Ankit Parekh博士说。“我们的下一个目标是为临床应用精炼这一技术，例如更有效地识别与睡眠相关的健康风险。”
研究人员强调，尽管这一人工智能工具前景广阔，但不会取代临床专业知识。相反，它将为睡眠专家提供强有力的支持，帮助加快和标准化睡眠分析。接下来，团队的研究旨在扩展其能力，超越睡眠阶段分类，向检测睡眠障碍和预测健康结果发展。
“这种基于人工智能的方法有潜力彻底变革睡眠研究，”共同首席通讯作者、艾坎医学院人工智能与人类健康温德里希系主任、Hasso Plattner数字健康研究所主任、Irene和Arthur M. Fishberg医学教授Girsh N. Nadkarni博士说。Nadkarni博士也是数据驱动与数字医学科的首任主任和西奈山临床智能中心的联合主任。“通过以更一致的方式分析整个夜晚的睡眠，我们可以发掘出睡眠健康及其与整体幸福感之间更深的见解。”
