World Sleep Industry ENCYCLOPEDIA

睡眠专用基础模型

4.4.2

一、定义与系统边界

睡眠专用基础模型是从较大规模睡眠相关数据中进行预训练、学习可迁移表征,并能通过微调、任务头、轻量适配或受控接口服务多个下游任务的人工智能模型。其输入可包括多导睡眠监测中的脑电、眼电、肌电、心电、呼吸、血氧和体动时序,也可包括可穿戴数据、睡眠日记、检查报告、医学文本或这些资料的组合。基础模型的核心不是参数数量或名称,而是同一预训练表征能否在边界明确的多种任务、机构或设备上被可靠复用。

睡眠专用基础模型不必是大语言模型,也不必生成内容。生理信号编码器可输出向量表征,供睡眠分期、呼吸事件检测、信号质量判断或研究风险分层使用;文本或多模态模型则可能支持信息抽取、报告草拟和问答。只在通用模型上增加睡眠提示词、角色设定或知识库检索,通常属于提示工程、检索增强生成或应用层适配,不能仅凭界面表现认定为重新训练的睡眠基础模型。智能体、RAG 系统、报告生成器和具体分类器是可连接的下游组件,仍需逐项验证。

“专用”不自动代表准确、安全或临床可用。研究模型、消费级睡眠洞察、实验室工作流辅助和用于疾病筛查、诊断、预后或治疗决策的软件具有不同预期用途、证据要求和监管身份。模型输出是概率、表征或生成内容,不是天然的医学结论;WSIC 4.4.2 用于产业分类,不构成医疗器械批准、算法认证或临床背书。

二、数据、预训练与可追溯性

开发从数据清单和用途定义开始。团队应记录数据来源、收集年代、机构和地区、参与者特征、设备与导联、采样率、滤波和重采样、注释规则、睡眠评分标准版本、缺失情况、质量排除条件以及同意或其他合法处理依据。电子病历、诊断编码和长期结局若与夜间信号关联,还需说明时间窗口、标签形成过程、随访完整性和可能的医疗行为偏差。公开数据并不等于可以忽略原许可、伦理审批、使用限制或群体权益。

常见预训练方式包括掩码重建、对比学习、下一片段预测和跨模态对齐,目标是利用大量未标注时序学习通用结构。预处理管线是模型的一部分:导联映射、单位、极性、采样率、伪迹处理、分段长度和归一化任何一项改变,都可能造成域偏移。应冻结并版本化原始数据清单、去重规则、代码、特征处理、权重、随机种子和训练环境,使后续结果能够追溯,而不是只保存最终权重文件。

数据划分必须以受试者为基本隔离单位,必要时还应按家庭、机构、设备和时间隔离,防止同一人的多个夜晚或派生记录跨训练与测试集泄漏。用于选择模型和阈值的数据不能同时充当最终独立测试集。数据规模也不能掩盖代表性不足:睡眠实验室转诊人群、老年队列、特定国家设备或高质量整夜 PSG 所学到的模式,未必适用于儿童、孕产妇、家庭环境、少数族群、罕见病患者或消费级腕表。

三、任务适配、验证与证据表达

每个下游任务都应单独写明预期用户、输入条件、输出、参照标准、决策位置和错误后果。睡眠分期可关注分期一致性和类别不平衡;呼吸事件或障碍筛查需要灵敏度、特异度、阈值和漏诊后果;未来疾病风险预测需要校准、时间范围、删失处理和与现有基线模型的增量价值;报告生成还要检查事实支持、遗漏、矛盾和危险建议。一个任务的 AUROC、F1 或平均准确率不能代表整个平台,也不能直接迁移为另一个任务的临床性能。

内部随机划分只能回答有限问题。更有价值的验证包括未参与训练的机构和设备、较晚时间段、不同数据质量、缺失导联和真实工作流;性能应按年龄、性别、种族或族裔、疾病严重度、设备、场所及其他相关群体分层,并报告置信区间、校准和失败样本。外部验证仍不等于临床效用,进入实际决策前还可能需要前瞻性、影响研究或对照试验,确认人机团队是否改善有意义的患者或流程结局,而不是只缩短算法运行时间。

截至目前,同行评议研究已在数万名参与者和数十万小时多导睡眠数据上展示多模态预训练可迁移到睡眠分期、呼吸相关分类和疾病风险预测;另有研究在独立队列测试风险分层。但这些结果主要证明技术和研究潜力。风险相关性不是因果解释,群体 C-index 不是个体确定性,预测未来疾病也不等于已诊断疾病。论文发表、代码开源或预印本规模都不能替代对实际上市版本和预期用途的审查。

四、部署场景与人机协作

部署前应把基础模型、任务头、阈值、用户界面和人工复核组成一个完整系统进行验证。研究环境可用于特征探索和队列分析;睡眠实验室辅助工具可优先标记疑似事件或草拟结果,但最终解释责任仍由有资格人员按工作流承担;消费级产品可以提供一般性趋势或教育信息,却不应将未经验证的风险分数包装成诊断。面向患者或公众的生成式界面需明确模型身份、用途、限制、数据时效和何时转交专业人员。

良好的人机设计不能只加一句“仅供参考”。界面应在作出决定的时点呈现输入质量、适用范围、不确定性、重要限制和可执行的下一步,并避免用颜色、排名或精确小数制造虚假确定性。自动化偏差会使用户忽略明显错误,警报疲劳又可能让真正高风险结果被跳过,因此应测试覆盖、驳回、申诉和升级路径,观察不同经验层级用户与模型共同工作的表现。

运行架构可采用本地、私有云、公共云或端侧推理,各自影响延迟、成本、隐私、可用性和更新方式。系统应定义最低输入质量、支持的导联与设备、缺失模态行为、超出分布检测、服务中断和人工降级方案。基础模型若被多个产品共用,每个产品仍应拥有独立的风险评估、阈值、验证和变更记录;上游权重更新不能无验证地自动传播到所有临床或消费场景。

五、隐私、安全与数据治理

睡眠数据具有高度敏感性。整夜生理波形、精确时间、声音、位置、设备标识、罕见疾病组合和电子病历连接键即使删除姓名,也可能支持重识别。去标识化能降低风险但不是零风险保证;组织应依据适用法律确定控制者、处理者和研究者责任,限定目的和最小必要数据,管理同意或其他合法依据、保留期、跨境传输、二次训练、访问、撤回和删除请求。把用户数据用于改进模型必须清楚告知,不能埋在与核心服务无关的宽泛条款中。

技术控制可包括分区存储、传输与静态加密、细粒度权限、多因素认证、密钥管理、审计日志、安全开发、依赖与供应链检查以及事件响应。模型层风险还包括成员推断、模型反演、训练数据记忆、提示注入、恶意文件、权重窃取和对抗输入。文本去标识工具可能漏掉身份线索,波形和模型嵌入也不能默认匿名;合成数据、联邦学习或差分隐私各有可用性和剩余风险,不能作为免责标签。

数据治理委员会应有睡眠医学、工程、统计、隐私、安全、伦理、法律、患者或公众代表参与,并记录数据集准入、排除、纠错和退出机制。供应商若提供第三方基础模型、标注、云服务或外部任务头,合同需明确数据使用、权重归属、分包商、漏洞通知、模型终止、数据返还或销毁和审计权。公开模型卡和数据说明有助透明,但不能取代受控技术文档和法律责任。

六、运行监测、更新与采购验收

上线监测应区分数据漂移、标签漂移、设备变化、使用方式变化和真实性能下降。监测指标可覆盖输入质量、缺失导联、拒绝率、亚组性能、校准、错误类型、人工覆盖、周转时间、安全事件和用户投诉。没有及时真实标签时,应预先设计抽样复核和代理指标,不能因仪表盘没有报警就认定模型稳定。传感器固件、评分规则、临床编码、预处理库或上游模型任何改变都可能触发再验证。

版本管理应把基础权重、任务头、提示、检索库、阈值和界面作为可追溯配置。每次变更需说明原因、预期影响、验证数据、接受标准、回滚条件和用户通知;持续学习不应意味着在生产数据上无边界自我更新。若变更可能改变医疗用途、目标人群或风险,应按当地要求评估是否需要新的合规行动。旧版本应有支持和退役计划,并保留足够日志用于调查,但日志本身也要遵守隐私和保留限制。

采购验收不应只比较参数量、排行榜或演示。采购方需取得预期用途、模型与数据卡、支持设备、独立验证、亚组结果、软件物料清单、安全测试、更新政策、服务级别、事件通报和退出迁移方案,并用本机构从未参与训练的数据复测。可加入导联脱落、噪声、时钟错位、极端时长和异常文本等压力场景,确认系统会适当拒绝或降级,而不是自信地产生结果。管理体系证书只能说明一定的组织过程,不能代替具体产品验收。

七、证据状态、责任与合规

睡眠基础模型是快速发展的研究与平台技术。现有研究支持从多模态睡眠数据学习可迁移表征,但不同研究的数据、任务、参照标准和统计目标差异很大,且许多成果尚未经过前瞻性临床使用检验。技术报告应透明描述训练和评估数据、受试者级划分、缺失数据、主要与次要结局、关键亚组、公平性、代码和数据可得性及限制;报告规范提高可读性,并不自动证明低偏倚或产品合规。

监管身份由实际功能和预期用途决定。用于一般健康教育、研究、行政支持、临床决策支持或疾病筛查诊断的系统可能适用不同规则;涉及医疗用途时,还需根据当地医疗器械软件、质量管理、临床评价、网络安全和上市后监督要求判断。健康 AI 指南、NIST 风险框架和 AI 管理体系标准可帮助治理,但它们不是政府许可;第三方体系认证、论文、专利、开源仓库和 WSIC 编码也都不构成具体模型性能或临床效果认证。

开发者、部署机构和专业用户应分别承担与其控制能力相称的责任,不能把错误归因于抽象的“算法”。公开材料不得宣称模型理解睡眠的全部机制、可替代医生、从一晚数据确定未来疾病、适用于所有设备人群或永久准确。发生明显性能退化、数据泄露、严重偏差或可能伤害用户的错误时,应有暂停、通知、调查、纠正和必要报告机制。真正可用的基础模型不仅要在基准上领先,还要在明确边界内可验证、可监督、可退出并持续接受现实世界检验。