1月6日，斯坦福大学医学院研究人员开发出一套名为SleepFM的人工智能系统，能够通过分析单晚睡眠产生的详细人体信号，评估一个人患上百余种不同疾病的风险概率。该系统训练数据源自约6.5万人的近60万小时睡眠监测记录，这些记录均来自多导睡眠监测技术。研究人员发现，除了用于诊断睡眠障碍外，这类监测还能捕捉到人体在数小时连续状态下的大量机能运转信息。SleepFM的训练数据是从多家睡眠诊所患者处采集的58.5万小时多导睡眠监测数据，研究人员将每段监测记录切分为5秒的片段进行训练。

SleepFM在睡眠阶段划分和睡眠呼吸暂停严重程度评估方面的表现达到甚至超越了目前临床应用的主流检测系统。研究团队将睡眠监测记录与对应患者的长期病历数据进行了关联匹配，SleepFM对超过1000种疾病类别进行了分析，最终识别出130种仅通过睡眠数据就能实现较高准确率预测的疾病。其中，对癌症、妊娠并发症、循环系统疾病和精神疾病的预测效果最为显著，预测性能指标一致性指数（C-index）均超过0.8。在针对具体疾病的预测中，SleepFM表现尤为突出：帕金森病（一致性指数0.89）、痴呆症（0.85）、高血压性心脏病（0.84）、心脏病发作（0.81）、前列腺癌（0.89）、乳腺癌（0.87）以及全因死亡风险（0.84）。