睡眠年龄大 死亡风险高！斯坦福大学的科学家发现 AI评估的睡眠年龄比实际年龄大10岁 这与全因死亡率增加29%有关

老睡，死亡风险高！斯坦福大学的科学家发现，AI评估的睡眠年龄比实际年龄大10岁，这与全因死亡率增加29%有关。

来源：奇点蛋糕2022-09-20 18:18

人的睡眠中隐藏着许多关于身体的信号，睡眠过程中监测到的一些指标，如睡眠潜伏期、不同睡眠阶段的时间比、呼吸暂停低通气指数(AHI，即每小时睡眠中呼吸暂停和低通气的次数)和觉醒次数，都与人体健康和一些疾病有关。

人的睡眠中隐藏着许多关于身体的信号，睡眠过程中监测到的一些指标，如睡眠潜伏期、不同睡眠阶段的时间比、呼吸暂停低通气指数(AHI，即每小时睡眠中呼吸暂停和低通气的次数)和觉醒次数，与人体健康和某些疾病有很强的相关性[1]。

目前最全面的睡眠监测手段是夜间多导睡眠图(PSG)，监测多种生理信号，包括脑电图(EEG)、心电图(ECG)、眼电图(EOG)、颌腿肌电(EMG)、呼吸气流等，其中包含了丰富的信息。然而，目前这些信息的提取和解释主要依靠人工，费时且带有主观性[2]。

最近，斯坦福大学的伊曼纽尔米尼奥教授和丹麦理工学院的安德烈亚斯布林克-克耶尔教授合作，通过深度学习建立了一个通过PSG估计年龄和死亡风险的模型。该模型中年龄估计的平均绝对误差为5.8岁，而常规方法的基本睡眠评分年龄估计误差为14.9岁。

控制协变量后，年龄估计误差(AEE，即AI模型的估计年龄与实际年龄之差)增加10年，全因死亡率增加29%，AEE从-10增加到10，预期寿命减少8.7年。此外，研究发现睡眠碎片化的增加是导致AEE增加的重要因素，这表明该指标有可能成为睡眠标志物。相关研究成果发表在期刊《NPJ数字医学》上[3]。

报纸首页截图

在这项研究中，研究人员使用了来自7个队列(STAGES，SSC，WSC，SHHS，MrOS，CFS，Home-PAP)的13，332个PSG数据，并使用2，500个PSG数据(年龄6-90岁)进行建模以估计年龄。根据不同的信号组合得到模型A-E，使用200个PSG。

研究流程图

至于用于年龄估计的几个模型的性能，研究人员发现，在模型A-E中，模型E的性能最好，在训练集中的平均绝对误差为5.41.01年，在测试集中的平均绝对误差为5.81.16年，这比传统的通过基本睡眠评分估计年龄的方法(误差为14.9年)要精确得多。

模型A-E在年龄估计中的性能

对于模型的估计年龄与实际年龄，即AEE的差异，研究人员认为这是由于PSG中年轻或年老的睡眠特征。

通过对AEE和基本睡眠指标的分析，发现睡眠碎片化相关指标(觉醒指数、睡眠效率、睡后觉醒、总睡眠时间、N1睡眠时长比例)和呼吸相关指标(AHI)与AEE强相关。睡眠分裂和睡眠呼吸暂停的风险随着年龄的增长而增加，所以这项研究中的模型确实捕捉到了一些与年龄相关的睡眠特征。

此外，研究人员还分析了AEE与性别、体重指数、药物使用(抗抑郁药和苯二氮卓类)和一些疾病发病率(心脏病发作史、充血性心力衰竭、慢性阻塞性肺病、2型和)的关系。

发现在模型A(脑电图)和模型B(脑电图EOG肌电图)中，二型糖尿病与较高的AEE相关。在模型C(心电图)中，心脏相关疾病(高血压、心脏病发作史、心力衰竭)与较高的AEE相关。事实上，除了模型D(呼吸数据)外，高血压与所有模型中的较高AEE相关。在模型D(呼吸数据)中，性别和身体质量指数与较高的AEE相关。

为了更好地解释该模型，研究人员使用梯度SHAP方法来评估输入PSG信号和年龄估计之间的相关分数。例如，在模型B(EEG EOG EMG)中，当受试者醒来时，估计年龄增加，但在慢波中减少，而在模型D(呼吸数据)中，当存在睡眠呼吸暂停时，估计年龄增加，在模型C(ECG)中，当存在睡眠呼吸暂停时，估计年龄增加。

在模型B(EEG EOG EMG)中，梯度SHAP方法用于评估输入PSG信号和年龄估计之间的相关分数。

>同时，研究人员还评估了相关性分数和人工评估的睡眠事件之间的相关性，以验证这些因素对年龄估计模型具有意义。通过对PSG中人工评估的睡眠时相序列、觉醒和呼吸暂停/低通气事件转换附近的相关性得分进行分析发现，相关性分数在转换到较浅睡眠或觉醒状态时增加。

在模型B（EEG+EOG+EMG）中睡眠-阶段转换的相关性分数

最后，研究人员探索了AEE与死亡率之间的关系。

具有PSG和相关死亡数据数据集包括SHHS（n=5696，死亡1285）、MrOS（n=2781，死亡1662）和WSC（n=909，死亡98），共有9386名受试者。这些受试者平均年龄为66.0岁，随访中位数为12.1 3.7年。

通过对年龄、性别、体重指数等协变量进行调整后，结果显示在模型E中，AEE每增加10年，全因死亡风险和心疾病死亡风险分别增加29%（HR=1.29）和40%（HR=1.40），而AEE从-10增加到+10，预期寿命将减少8.7年。

AEE-10和AEE +10受试者的生存曲线

由于高血压和睡眠呼吸暂停在队列人群中非常常见，研究人员还研究了在无高血压和无睡眠呼吸暂停的受试者中AEE与死亡率的相关性。

敏感性分析显示，在对无高血压受试者（n=5303，死亡1291）的分析中，对于全因死亡风险（HR=1.25）和心血管疾病死亡风险（HR=1.31）AEE的风险比均有所降低。在对于无睡眠呼吸暂停的受试者（n=5161，死亡1390）的分析中，AEE的风险比同样均降低（全因死亡风险HR=1.22，心血管疾病死亡风险HR=1.24）。

总的来说，该研究通过深度学习，构建了能够从PSG准确估计年龄的AI模型，该模型对年龄的估计是通过提取一些如睡眠碎片化以及呼吸障碍等特征来实现的。而AI估计的睡眠年龄与实际年龄的差值增大，可能预示着全因死亡风险和心血管疾病死亡风险的增加，这能为接受睡眠监测人群的健康检测提供预警。

参考文献

1.Koch H, Schneider LD, Finn LA, Leary EB, Peppard PE, Hagen E, Sorensen HBD, Jennum P, Mignot E: Breathing Disturbances Without Hypoxia Are Associated With Objective Sleepiness in Sleep Apnea. Sleep 2017, 40(11): zsx152.

2.Magalang UJ, Arnardottir ES, Chen NH, Cistulli PA, Gislason T, Lim D, Penzel T, Schwab R, Tufik S, Pack AI et al: Agreement in the Scoring of Respiratory Events Among International Sleep Centers for Home Sleep Testing. J Clin Sleep Med 2016, 12(1):71-77.

3.Brink-Kjaer A, Leary EB, Sun H, Westover MB, Stone KL, Peppard PE, Lane NE, Cawthon PM, Redline S, Jennum P et al: Age estimation from sleep studies using deep learning predicts life expectancy. NPJ Digit Med 2022, 5:103.

版权声明 本网站所有注明“来源：100医药网”或“来源：bioon”的文字、图片和音视频资料，版权均属于100医药网网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：100医药网”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。

87%用户都在用100医药网APP 随时阅读、评论、分享交流 请扫描二维码下载->

医药网新闻