睡眠脑电基础模型揭示传统分期之外的阶段内微结构，改善健康筛查
婷 翻译
几十年来，睡眠医学一直依赖五阶段系统来概括整夜的脑部活动：觉醒、N1、N2、N3（深度睡眠）和REM。这些阶段是临床医生用于诊断睡眠障碍、评估睡眠质量和指导治疗的语言。但一篇引人深思的新预印本表明，这一框架可能遗漏了有价值的信息。
本文涉及一篇预印本。以下描述的研究尚未经过同行评审，应谨慎解读。
Coon和Ogg在2026年6月26日发表于Research Square的一项研究中，利用超过11000份夜间脑电图记录训练了自监督Transformer模型，在不使用人工标注睡眠阶段的情况下，探究这些模型能否学习到比传统分期系统更丰富的睡眠生理表征。他们在一系列健康结果预测中的答案是有限的肯定。
研究发现
研究人员使用了来自多个临床和人群队列的11261份夜间多导睡眠图记录。他们利用自监督学习训练Transformer神经网络，这是一种模型通过解决前置任务（在本例中为预测脑电信号的遮蔽片段）从无标签数据中学习有意义模式的技术。随后，他们对由此产生的”基础模型”表征进行了测试，评估其预测一系列结果的能力：身体质量指数，年龄，性别，呼吸暂停低通气指数，以及与睡眠和日间表现相关的功能指标。
实验包含了精心的架构对照。研究人员将自监督学习训练的模型与以下模型进行了比较：(1)在每个下游任务上从头开始随机初始化的Transformer（无预训练），(2)在标准五个睡眠阶段上进行有监督预训练的Transformer，以及(3)从脑电中导出的传统频谱汇总特征。
结果并非在所有结果上都一致，但关键领域的模式是清晰的。在多项结果预测中，自监督学习预训练优于从头开始的特定任务训练。更值得注意的是，与五阶段有监督预训练方法相比，自监督学习模型在身体质量指数和年龄预测方面显示出显著优势。对于呼吸暂停低通气指数、性别和功能结果，差异较小，有时微不足道，在某些情况下无法可靠地区别于有监督基线。
一项特别有启发性的发现来自嵌套对照分析。当研究人员询问自监督学习衍生的表征是否在协变量、常规阶段汇总、频谱汇总乃至匹配的五阶段表征所能解释的范围之外增加了增量价值时，答案是肯定的。自监督模型捕捉到了阶段表征遗漏的健康相关信号。
重要性
如果得到确认和完善，这项研究的意义远远超出了单一的算法技巧。自监督学习模型在从未见过标注阶段的情况下恢复了阶段框架，这一发现表明传统的五阶段框架确实捕捉到了睡眠脑电中真实、可重复的结构。但模型似乎还编码了更细粒度的、锚定于阶段内的微结构，其中包含了特定任务的健康信息。
这在概念上很重要。它意味着在任何给定的睡眠阶段内，都存在当前临床评分所忽略的有意义的生理变异。在睡眠图谱上看起来完全相同的两个小时的N2睡眠，可能根据微妙的脑电特征编码完全不同健康信号，这些特征是人类评分员未经训练无法识别的，也是标准汇总指标（频谱功率带、阶段百分比）无法捕捉的。
从实际角度来看，在分期所能提供的范围之外从睡眠脑电预测身体质量指数和年龄的能力，为将睡眠记录用作更广泛的健康筛查工具打开了大门。睡眠已经被理解为通往全身生理学的一扇窗户；这项研究表明，这扇窗户可能比我们所知道的要宽阔得多。
对于长期与Rechtschaffen and Kales / AASM分期框架的局限性作斗争的睡眠领域来说，这项研究为需要更好测量工具的论点增加了计算上的分量。在大量多样化数据集上训练的基础模型可能是这样一种工具。
研究的局限性
作为预印本，这项工作尚未经过同行评审，结论应被视为暂定性的。该研究还存在一些值得关注的方法学局限性。
自监督学习相对于阶段有监督预训练的性能优势并非在所有结果上都一致。对于一些临床重要指标，包括呼吸暂停低通气指数和功能结果，自监督学习的附加价值有限或不一致。这引发了关于该方法是否广泛适用还是主要对某些类型的预测有效的问题。
训练数据虽然规模庞大，超过11000份记录，但仍可能在队列构成、记录设备和评分惯例方面存在偏差。模型在同一队列池内的保留数据上进行了评估；在全新人群中的独立验证将至关重要。
最后，该研究没有解决实际部署问题。即使自监督学习衍生的表征携带更丰富的信息，将这些表征转化为临床上可操作的工具还需要额外的工作：用于理解模型实际检测内容的可解释性方法、监管验证以及整合到临床工作流程中。
结论
Coon和Ogg提供了一个令人信服的计算学演示，表明睡眠脑电的自监督学习可以恢复标准的睡眠阶段架构，同时保留更精细的生理细节，从而改善传统分期之外的健康筛查。其效果在身体质量指数和年龄预测方面最为明显，其他结果则更为参差不齐。
这项工作为日益增长的证据添砖加瓦，即在生理时间序列上训练的基础模型可以提取人工设计的特征和临床分期系统所遗漏的信息。但它也强调，这些模型并非魔法：它们的优势是领域特定的，需要大规模训练数据，并且在能够为临床实践提供信息之前需要进行独立验证。
就目前而言，信息是审慎的兴奋。睡眠分期是一个非常持久的框架，这项研究表明它并没有错。它可能仅仅是不完整的。
来源： Coon WG, Ogg M. Sleep EEG foundation models reveal within-stage microstructure that improves health screening beyond traditional stages. Res Sq [预印本]. 2026年6月26日:rs.3.rs-9044150. DOI: 10.21203/rs.3.rs-9044150/v2. PMID: 42396520. 注：这是一篇预印本，尚未经过同行评审。