探索自动儿科睡眠评分: 我们走到了吗?
基于人工智能的自动睡眠评分在成人睡眠实验室中已变得越来越普遍，能够提供更快、更一致的多导睡眠图数据分析。但对于儿童来说，情况远未明朗。发表在 Sleep 期刊上的一篇在线预印文章对该领域进行了评估，并就儿科应用提出了一个尖锐的问题: 我们走到了吗?
这篇由哈达萨医疗中心和耶路撒冷希伯来大学的Alex Gileles-Hillel以及以色列理工学院(Technion)的Joachim A. Behar共同撰写的文章，从临床和技术两个角度探讨了处于儿科睡眠医学与机器学习交叉点上的问题。Gileles-Hillel是一名儿科肺病学家和睡眠专家; Behar是一名生物医学工程师和数据科学家。他们多学科的背景表明，这篇文章同时审视了仍然存在的临床障碍和计算差距。
关键要点
成人的成功尚未转化为儿科应用。 虽然基于AI的睡眠分期算法在成人人群中与人类评分者达成了高度一致，但这些模型并不能很好地推广到儿童。儿科睡眠结构与成人有显著差异，表现为更多的慢波睡眠(N3)、与年龄相关的正常变化以及发育过程中不同的脑电图形态。
儿科数据是瓶颈。 训练可靠的算法需要大量、注释良好的儿科睡眠数据集，而这些数据集相对于成人存储库仍然稀缺。没有代表性的训练数据，模型面临系统性错误的风险，可能导致儿童睡眠阶段的错误分类并误导临床解读。
验证标准不明确。 即使算法在研究数据集上表现良好，儿科人群的监管审批和临床部署路径也尚未明确界定。这篇文章可能评估了现有系统是否达到儿童睡眠实验室实际应用的标准。
多学科专业知识至关重要。 作者的联合背景强调了一个核心主题: 解决儿科自动评分问题需要理解儿童生理学的睡眠临床医生与能够构建和验证适当模型的工程师之间的密切合作。
影响
如果自动儿科睡眠评分尚未准备好投入实际应用，这一差距就不仅仅是技术上的不便。儿童评分不准确可能导致睡眠呼吸障碍、发作性睡病以及其他依赖精确睡眠分期诊断的疾病的误诊。Sleep 上的这篇文章发表之际，该领域正在积极讨论如何前进。它可能成为一个基准，指明在”我们走到了吗?”这个问题的答案从”还没到”转变为”到了”之前还需要做些什么。
由于该文章仅在2026年6月27日在线发表，完整的摘要尚无法通过公共数据库获取。然而，该主题和作者的专业知识清楚地说明了所提出问题的重要性。
来源
Gileles-Hillel A, Behar JA. The Quest for Automated Pediatric Sleep Scoring: Are We There Yet? Sleep. Published online June 27, 2026. doi:10.1093/sleep/zsag174. PMID: 42364168.
婷 翻译