一整夜只剩一个数字：AI 在一万份睡眠检查里发现了什么
一次医院里的睡眠检查会连续八小时观察你身体的十三个通道，然后基本上只报告一个数字。
来自头皮三个位置的脑电波。眼动。下颏肌张力。鼻部气流。分别记录的胸部与腹部呼吸努力。血氧饱和度。一条心电图。你自己打呼的声音。大约一个吉字节的人类夜晚，由把电线贴到你头上的技师收集——而诊所在报告上圈出的那一行，是每小时的事件次数。
8 月 3 日， Nature Communications 上的一篇论文追问：那份记录里还有什么。答案是本周睡眠科学中最有意思的东西，而且它其实根本不是关于人工智能的。它关于的是：当你在四十年里都同意用一个数字来描述一夜，会发生什么。
一万个夜晚，十三个通道，一个数字
由 Erhan Bilal 与 Jeffrey Rogers 领导、Reena Mehra 担任资深临床作者的团队，训练了一个 Transformer 模型——1.26 亿参数，与支撑语言模型的大体架构相同——训练数据是克利夫兰诊所 STARLIT 登记库中一万多份临床睡眠记录的原始信号。不是那些摘要报告，而是波形本身。
这些记录跨越 2012 到 2022 年，并与电子病历相连，因此研究者能追踪这些人此后发生了什么：平均 14.5 年。接着他们做了一件刻意不炫目的事。他们没有让模型去预测诊断，而是让它学习睡眠生理的结构，然后观察这些夜晚如何自己分组。
它们分成了五组。而这五组的未来非常不同。
吞掉整个夜晚的那个指标
要看清这为什么重要，得先知道呼吸暂停低通气指数是什么。AHI 数呼吸中断的次数，再除以睡眠小时数。每小时五到十五次为轻度，十五到三十次为中度，超过三十次为重度。自 1970 年代起，它组织了临床睡眠医学、保险报销，以及所有关于呼吸障碍的讨论。
同时，按这个领域自己的说法，它也是一件粗糙的工具。2021 年， SLEEP上一篇由 Atul Malhotra 领衔、汇集了该领域大半人马的共识综述把话说得很清楚：AHI 仍是现有研究最充分的指标，它并不完美，而这两件事必须同时端着。十秒的停顿和九十秒的停顿算作同样的一次。血氧掉到 93% 与掉到 78% 算作同样的一次。深睡中的事件，与打瞌睡时的事件，也算作一样。
AHI 的问题从来不是准确度，而是可读性。它活下来，是因为它塞得进一张表格。
指标看不见的五个组
这是应该被广泛传播的发现。在校正了年龄、性别、BMI、合并症 以及 AHI 本身之后，模型的风险组在死亡率上依然分开：第二到第四组的风险比分别为 1.43、1.54 和 1.75，风险最高的一组为 2.38——是最低组的两倍多。在同一个最高组里，心房颤动为 2.23（95% 置信区间 1.47–3.38），认知障碍为 1.93（1.42–2.62）。
相比之下，把同一批患者按轻度、中度、重度 AHI 排列，则完全看不到这样的阶梯。
有两个细节让这不只是建模上的漂亮手法。这一模式在 Sleep Heart Health Study——一个完全独立的全国队列——中依然成立，那里的分组同样与心力衰竭和死亡率同向。而且它在女性与男性中同样成立，这是 AHI 历来做不到的：该指标是在一个男性占多数的人群里建立并验证的，此后便悄悄地对女性描述得更差。一个概括性的数字，总是把它当初校准在谁身上这件事编码在内。
图——指标丢掉的东西
一个夜晚，两种读法
五年及以上死亡率，按模型风险组
同一批患者，按 AHI 严重程度排列
对一辈子不会走进睡眠实验室的人来说，这改变了什么
三点可迁移的东西，都不是医疗建议：
1. 一个概括性数字是一种 选择 ——关于丢掉什么的选择，由建造它的人做出，而不是你这一夜本身的属性。
2. 当一个数字始终不动，可能意味着你的夜晚很稳定，也可能意味着这个数字太钝、察觉不到变化。从里面看，这两种情况是一样的。
3. 建立在多个夜晚模式之上的指标，比把单独一夜平均成一个评分的指标更经得起检验。
风险比来自 Bilal 等， Nature Communications （2026 年 8 月 3 日），已校正年龄、性别、BMI、合并症与 AHI；第一组为参照，条形长度与所报告的风险比成正比。AHI 那一栏画成落在参照线上的空心标记，因为在同一队列中，Cox 回归在轻度、中度与重度之间没有发现死亡率或疾病发生率的升高——这是「没有分开」，而不是三个相等的测量值。是关联，不是因果的证明。
你的睡眠评分有着同样的问题
故事从这里开始不再关于医院。
每天早上，数千万人会收到一个 0 到 100 之间的数字，声称能描述他们的夜晚。它由少数几个通道而非十三个算出，用的是某个人选定的权重，而它首要的设计目标是可读——一个你能在醒来到伸手拿咖啡之间那四秒里读完的数字。
这正是 AHI 的设计任务书。健康产业并没有解决压缩问题，只是用更好看的字体把它重解了一遍。两个确实不同的夜晚——一个在前半段被打碎，一个后半段浅而不安——可能都回来是 82。而当评分连着三周停在 82，你无法判断是睡眠稳定，还是这个指标根本没有分辨率去看见变化。
这里我想谨慎些，因为这个论点诚实的版本是双向切的。消费级睡眠追踪在有些事上确实变好了——时点、时长、夜与夜之间的一致性、夜间心率——而这些恰恰是最值得拥有的部分。它做不到的是：在不决定什么不重要的前提下压缩一夜。诊所也做不到。区别在于，诊所已经为自己的压缩公开争论了四十年，而你手腕上的评分没有。我们另外写过 可穿戴设备能测什么、不能测什么，以及 睡眠阶段说明了什么、说明不了什么。
深度与时长，而不只是次数
AI 并没有发现这个问题。它给这个问题定了价。
睡眠研究者多年来一直在构建更好的概括方式，最清楚的例子是低氧负荷。Ali Azarbarzin 与同事没有去数呼吸事件，而是测量每一次血氧下降曲线下的面积——深度乘以时长，再在整夜上求和。2019 年，在 European Heart Journal上，这个量在两个独立队列（Osteoporotic Fractures in Men Study 与 Sleep Heart Health Study）中与心血管疾病相关死亡率同向变化，而事件计数并没有。
同一份记录。同一个夜晚。关于保留什么的不同决定，信号就出现了。这就是本周那篇论文的全部论点，而它在七年前已经用算术而非 Transformer 达到过。
唯一经得起压缩的概括数字
如果单个数字都会损失信息，有用的问题就变成：哪一个损失得最少？
就现有证据看，对日常生活来说最好的答案是规律性。2024 年，Daniel Windred 与同事用 UK Biobank 中 60,977 名参与者、超过一千万小时的加速度计数据算出了睡眠规律性指数。相对于中位数，规律性处于第 5 百分位的人，全因死亡风险比为 1.53（95% 置信区间 1.41–1.66）；处于第 95 百分位的人为 0.90（0.81–1.00）。规律性的表现胜过睡眠时长——那个大家真正在追的数字。
为什么夜间评分撑不住的地方，规律性能撑住？因为它不是一夜之内的平均值。它算的是 跨越许多夜晚的形状，所以它保留了模式，而不是把模式抹平。保住结构的压缩能活下来；保住整洁的压缩活不下来。其中的机制我们写在 睡眠规律性与睡眠时长。
所以，本周可以试一件事。七天里不看评分，只记两个数字：你上床的时间和你起床的时间。然后看你的 夜间静息心率 与 HRV ，把它们当作相对你自己基线的趋势，而不是相对人群区间。作息时点的一致性，加上这两个值漂移的方向，比睡眠实验室给出的分辨率低，比一个评分给出的分辨率高——而这恰好是大多数人真正想要的那笔交换。这一切位于更大的 测量、行动、调整 循环之中。
这项研究没有说的事
它没有说算法能告诉你昨晚睡得怎么样。它跑在完整的临床多导睡眠图上，头皮贴着电极，对象是因为已经出了问题而被转诊到睡眠中心的人。那不是一只手腕，也不是一般人群。
它是回顾性的，所以无法区分两种同样符合数据的读法：是紊乱的睡眠生理促成了后来的疾病，还是早期疾病在显形之前的很多年里就已经扰乱了睡眠。作者还指出，他们缺少用药数据，也缺少正压治疗依从性的客观数据——这是两项未被测量的重大影响，既作用于夜晚，也作用于结局。这五个组来自一个聚类步骤，意味着它们的边界是一个建模决定，而不是自然的类别；换一个算法，也许会画出四个，或者七个。
而且这里没有任何东西作为临床工具经过前瞻性检验。作者说得很明确：下一步是在更多样的数据集中做验证。
有一件事不是保留意见：如果你打呼很重、会被憋醒，或者睡了八个看起来正常的小时之后依然像被碾过一样，那是该和医生谈的事，不是和一个应用谈的事。任何消费级设备都不能诊断任何东西，也不该去尝试。
结论
一个 AI 读了一万个夜晚，发现医学早已约定使用的那个数字，藏着一倍的风险差异。这是个好结果。但真正耐久的启示不是更好的模型正在到来——而是每一个概括性数字都是一个关于什么才重要的主张，而我们大多数人接受了这些主张，却从未读过它们。
用数字来纠正幻想，而不是替代经验。评分不是你的夜晚。它是别人对你夜晚的意见，四舍五入之后的样子。
