睡眠裡的隱藏信號，能提前預告未來健康風險

九點五萬人戴手環追蹤九年

論文第一作者羅勁松、孫勝志、陳睿等來自首都醫科大學。團隊用深度學習算法SleepNet從手腕動作中推算REM（快速眼動）睡眠、深睡、淺睡、總時長、夜間清醒時間和睡眠規律性，取代傳統的自我報告。

心跳與夢境裡藏着疾病預告

幾乎同期，另一條研究線指向同一個方向。美國國立衛生研究院（NIH）資助、10月9日發表在《SLEEP》期刊的研究顯示：夜間睡眠監測中記錄的心電圖，配合睡眠分期信息，可以用來判斷未來心臟不良事件的風險。埃默裡大學生物醫學信息學系主任Gari Clifford說："把我們的模型評分加進睡眠監測，對改進心血管疾病早期發現、識別最高風險人羣、更主動地管理患者有巨大潛力。"

REM每多47分鐘，83種疾病風險下降

主研究裡最亮眼的是REM睡眠。REM佔比在後半夜越來越長；深睡則集中在前半夜，主導身體修復與生長激素釋放——這正是"睡夠時長"之外"睡對結構"的意義。

帕金森風險下降約八成

深睡眠與7種疾病風險下降相關，包括2型糖尿病和重性抑鬱障礙。

每晚不足五小時風險最高

反面數據更刺眼：睡眠不足五小時與37種疾病風險升高相關，涵蓋癡呆、心力衰竭和2型糖尿病，睡眠分期解釋了其中大部分不利關聯。睡眠不規律、夜間清醒時間偏長，也分別與多種疾病風險上升有關。

六到八小時是風險甜蜜點

研究團隊寫道，"維持六到八小時睡眠與更有利的睡眠結構和更低的疾病風險相關"。低於五小時表現最差，超過八小時後保護性關聯減弱。團隊在論文中表示，這些發現"爲6至8小時睡眠時長作爲中老年人健康保障提供了額外證據，可能歸因於更有利的睡眠階段分佈"。

手環分期被專家公開質疑

數字之外，方法學爭議同樣值得關注。研究中的睡眠分期並非用睡眠實驗室的多導睡眠圖直接測量，而是由模型從手腕動作推斷。作者自述，與實驗室記錄相比，算法平均高估總睡眠約48分鐘、低估REM約17分鐘，分期一致性僅屬中等。劍橋大學的Nina Rzechorzek與諾森比亞大學的Greg Elder在英國科學媒體中心的專家評論中都指出，基於動作的手錶"目前還無法準確判斷我們整晚實際處在哪個睡眠階段"。

心電加AI提前數年判心臟風險

《SLEEP》那項NIH資助研究補上了臨牀一側的證據：把AI從睡眠心電圖提取的評分加入既有風險因子後，房顫的預測表現提升約4至6個百分點，心力衰竭提升8至9個百分點，死亡預測提升4至7個百分點。研究團隊強調，房顫、心衰和死亡是獲益最明顯的終點，並非所有結局都均勻受益。

觀察性研究證明不了因果

兩支團隊都明確提醒：這些是關聯，不是因果。UK Biobank人羣本身比一般人羣更健康，且每人只戴了一週傳感器。《The Conversation》刊文引用2025年一項納入24項研究、近800人的薈萃分析指出，可穿戴設備通常比多導睡眠圖高估總睡眠時間約17分鐘——判斷"睡沒睡着"已相當接近，判斷"睡到哪一期"仍有差距。

下一步能否進臨牀篩查

綜合Medscape、Science Daily等媒體報道，研究界的共識方向是：睡眠數據正在從"記錄工具"變成"預測工具"，但離常規臨牀篩查還有距離。眼下最可執行的結論依然是有數據背書的老話——把睡眠時長穩定在六到八小時；對已經做過睡眠監測的心血管高危人羣，AI心電評分有望讓醫生更早介入。