根据6月23日发表在《Frontiers in Sleep》上的一项可行性研究，一款旨在改善日本幼儿睡眠习惯的AI驱动移动应用在六个月内实现了94%的持续参与率且零退出，并显著减少了夜间醒来次数，改善了主观睡眠质量。
这款名为Nenne Navi-AI的应用结合了监督式机器学习模型和基于规则的算法，为1至5岁儿童的照顾者提供个性化的行为指导，填补了社区环境中可扩展且文化适配的睡眠干预措施的空白。
研究发现
研究通过社区健康检查、儿童保育机构和公开广告在日本弘前市招募了50名照顾者，为他们提供Nenne Navi-AI六个月的访问权限。
依从性与可行性：
- 50名照顾者中仅有3人（6%）出现连续三个月或更长的数据录入中断
- 在整个六个月的干预期间，无参与者退出
- 干预后评估显示照顾者的高接受度和满意度
睡眠改善（干预前后）：
- 入睡后觉醒次数（夜间醒来）显著减少
- 主观睡眠质量评分显著改善
- 亚组分析显示，基线睡眠习惯较差的儿童，即那些比样本均值差至少0.5个标准差的儿童，改善幅度最大
照顾者结果：
- 育儿压力减轻
- 照顾体验改善，负面育儿情绪减少
工作原理
Nenne Navi-AI将监督式机器学习模型与基于规则的决策引擎相结合，为每个儿童生成个性化的睡眠建议。该系统考虑年龄、基线睡眠模式、日常作息以及照顾者报告的行为，随着儿童睡眠的改善而调整指导。
该应用针对日本家庭进行了文化适配开发，包括语言、同床睡眠习惯和典型日常作息。这是一个重要的考虑因素，因为许多睡眠干预措施是在西方背景下开发的，可能无法直接转化应用。
大阪大学、弘前大学和金泽大学的研究人员领导了这项研究，该应用是与松下先进技术开发公司合作开发的。
重要性
幼儿期睡眠习惯不佳与情绪调节障碍、认知发育迟缓和长期健康风险相关。然而，家长可以在家中使用的、基于证据的可扩展干预措施仍然稀缺，尤其是在西方医疗体系之外。
Nenne Navi-AI的六个月依从率和零流失率在数字健康文献中脱颖而出，而高流失率才是常态。如果在更大规模的试验中得到验证，该模型可以为跨文化的AI驱动儿科睡眠支持提供模板。
局限性
本研究是一项单臂、开放标签的可行性试验，没有对照组，因此无法将改善结果可靠地归因于该干预措施。样本量（n=50）较小，且所有参与者均来自日本单个城市。该研究也未包括诸如体动记录仪等客观睡眠测量手段，所有结果均为照顾者报告。
核心结论
一款文化适配的幼儿AI睡眠应用在社区环境中展示了卓越的真实世界参与度和令人鼓舞的睡眠改善效果。大规模对照试验是下一步工作。
婷 翻译
Source
Yoshizaki A, Saito M, Terui A, Kawamura K, Murata E, Tanaka S, Hirata I, Mohri I, Komatani K, Taniike M. “Feasibility and acceptability of Nenne Navi-AI: family-tailored intervention to improve sleep in young Japanese children.” Frontiers in Sleep. 2026 Jun 23;5:1827400. DOI: 10.3389/frsle.2026.1827400