斯坦福开源SleepFM模型 一晚睡眠数据可预测6年健康与死亡风险

斯坦福大学研究团队近期在权威医学期刊《自然·医学》发布最新研究成果，推出开源AI模型SleepFM。该模型依托覆盖6.5万名参与者的25年临床随访数据训练，仅需分析用户一晚包含脑电、心电、呼吸的睡眠监测数据，即可实现84%准确率的未来6年全因死亡风险预测，在痴呆症、心血管疾病预测上表现同样领先，未来有望适配消费级可穿戴设备。

2026年4月，这项AI跨界医疗的成果一经发布，就同时引发了公共卫生领域和消费电子行业的双重关注——长期以来仅被当作健康参考项的睡眠数据，第一次被验证可以成为精准预测中长期健康风险的核心依据。

不同于普通消费级智能手表仅统计睡眠时长、平均心率等表层指标的简单监测，SleepFM的核心能力是对睡眠过程中的多维度深度生理信号进行解码。

整个模型的训练数据集覆盖了6.5万名不同年龄、健康背景的参与者，累计追踪时长长达25年，包含了随访过程中所有的疾病确诊、死亡记录等标注信息，确保了预测结果的临床参考价值。

在实际测试中，SleepFM交出的成绩单远超行业现有水平：**全因死亡率预测准确率达到84%**，**痴呆症预测准确率高达85%**，针对心力衰竭、心肌梗死等致死率极高的循环系统疾病，其预测一致性指数也处于全球领先位置。