每夜，约三分之一的成年人睡眠质量差到足以引起临床关注。然而，睡眠障碍的诊断仍然困难重重，因为其成因跨越多个领域：就寝习惯、压力水平、咖啡因摄入、身体活动模式、心率变异性以及职业需求。标准统计工具难以梳理出哪些因素真正重要以及它们如何相互作用。
马来西亚马来亚大学的研究人员提出了一种弥合这一鸿沟的新方法。他们没有将睡眠数据输入单个产生黑箱预测的机器学习模型，而是构建了一个框架，使用三种专业化大语言模型智能体按顺序工作，各自处理分析的不同层面。
碎片化分析难题
睡眠研究长期面临方法论上的分裂。线性回归等传统统计方法依赖的假设，真实世界的睡眠数据很少能满足。机器学习模型能够捕捉复杂的非线性模式，但代价是它们几乎完全不可解释。
一个标记患者为睡眠呼吸暂停高风险的神经网络无法解释其原因。在临床环境中，这种不透明性是一种负担。医生在依据模型输出采取行动之前，需要理解其推理过程。而且，医疗AI的监管框架越来越要求透明性。
马来亚大学团队将这一问题定义为碎片化分析。数据科学家看到的是相关性和P值。睡眠医生看到的是临床表型。第三位审阅者看到的是证据中的矛盾。每个视角都有价值，但没有一个分析师能始终如一地整合所有三方面。
三种专业化智能体，一条分析流水线
研究人员设计了一个明确镜像这种分工的多智能体框架。第一个智能体称为数据分析智能体，直接处理结构化睡眠健康数据。它计算成对自助法相关性，评估特征重要性，并识别变量间的交互效应，变量包括就寝规律性、每日咖啡因摄入量、睡前光照暴露、心理压力和心率。
这些定量输出传递给第二个智能体（生理与健康分析智能体）。该智能体接收统计发现，并用睡眠医学的语言进行解读。它不只是报告咖啡因摄入与睡眠时长减少相关，而是将这种关联置于已知的腺苷受体阻断、昼夜节律相位延迟和个体代谢变异机制的背景中进行阐释。
第三个智能体（验证分析智能体）执行基于证据的核查步骤。它对照已有的睡眠研究文献，逐一检查前两个智能体提出的每项主张，标记内部矛盾，然后确认研究发现、提出改进建议，或指出证据不足。整个流水线迭代运行：验证智能体的输出反馈给数据和生理智能体进行修订，直到整个分析达到稳定且内部一致的状态。
作者将这种设计描述为关注点分离，它保留了每种分析模式的优势，同时弥补了各自的盲区。数据智能体快速而全面，但缺乏领域背景。生理智能体具有临床知识，但可能过度解读噪声。验证智能体持怀疑态度，但无法独立生成新的分析。三者协同作用，带来了一种任何单一模型都无法单独实现的规范性约束。
智能体的发现
该框架应用于一组公共睡眠健康数据集和一个为受控分布测试而设计的合成数据集，产生了一系列既具参考价值又审慎的结果。
大多数常见生活方式因素与总睡眠时间或睡眠效率等连续睡眠结果之间的成对关联都较弱或统计上不确定。就寝规律性、睡前光照暴露、咖啡因摄入、自报压力和静息心率，在单独考察时，各自与睡眠时长或质量仅显示出微弱的关联。这一发现与睡眠临床医生长期以来的怀疑一致：单因素解释睡眠问题很少足够。
智能体在特定条件下确实识别出了更强的信号。高咖啡因摄入与睡眠障碍风险升高相关，这与咖啡因与睡眠紊乱之间经过充分验证的剂量反应关系一致。但更细微的发现来自身体活动分析。运动类型差异显著。敏捷性训练、跳跃测试和侧向移动运动与失眠症状相关。耐力跑步与睡眠呼吸暂停相关。智能体之所以能揭示这一区别，是因为它们将活动类型作为分类变量进行考察，而非将所有运动合并为总活动量单一指标。
职业背景、心理压力、兴奋剂使用和生理指标共同影响睡眠障碍特征，其方式没有任何单一变量能独立解释。该框架通过其迭代的跨智能体工作流程捕捉到了这些交互效应，识别出了传统回归模型很可能遗漏的风险聚类。
作者提醒，几项成对生理关联仍然较弱，应谨慎解读。他们认为，该框架的价值不在于产生惊人的效应量，而在于以支持临床推理的方式进行证据结构化，同时不对统计确定性做过度宣称。
可解释AI对睡眠医学的意义
这项研究更广泛的意义在于方法论层面。睡眠医学如同许多临床诊断领域，正朝着数据驱动的决策支持方向发展。但AI在实践中的采用取决于信任，而信任又取决于理解。
一个输出睡眠障碍概率而无任何解释的模型，迫使临床医生在盲目接受和直接拒绝之间做选择。而一个逐步展示推理过程、引用所用数据和所应用生理学原理的模型，则邀请临床医生参与诊断过程。
多智能体框架并非可解释AI的首次尝试，但它是首批将协作式大语言模型架构专门应用于睡眠障碍分析的尝试之一。通过使每个智能体的贡献清晰可读、可审计，该系统创建了一条从原始数据到临床推断的可验证推理链。
这种方法在模型调试和偏差检测方面也具有实际意义。如果某个特定智能体持续对某些变量赋予过高权重，或误解某种生理关系，错误可以追溯到流水线的特定组件。在单一模型中，这类偏差仍然隐藏。
局限性与未来方向
该研究存在重要局限。最显著的一点是，用于跨数据集比较的第二个数据集是合成数据，其生成目的是匹配真实数据的分布特性。这意味着跨数据集分析测试的是分布鲁棒性，而非外部临床验证。该框架在真实分布和合成分布上表现一致，但这种一致性并不代表其发现在独立临床队列中能够复现。
该研究在设计上也是探索性的。它并非旨在产生诊断阈值或治疗建议。真实世界数据集的样本量有限，而合成数据集虽然对方法学测试有用，但无法替代前瞻性临床数据收集。
未来的工作需要用多导睡眠图确认的诊断、治疗结局数据以及多样化的人口群体对框架进行验证，之后才能考虑其临床部署。马来亚大学团队指出，流水线的模块化设计使其具有适应性，但这种适应性尚待实践检验。
婷 翻译
来源
Chongyang Fu, Syed Kamaruzaman Bin Syed Ali, Mohd Shahril Nizam Bin Shaharom. A multi-agent framework based on large language models for sleep disorder analysis. 《Frontiers in Neurology》, 第17卷, 文章编号1851192, 2026年7月6日. DOI: 10.3389/fneur.2026.1851192. 开放获取。