World Sleep Industry ENCYCLOPEDIA

睡眠垂直大模型

4.4.2

定义、范围与系统边界

睡眠垂直大模型是针对睡眠医学、睡眠健康、睡眠科研或相关运营场景进行数据训练、继续预训练、指令微调或知识增强的基础模型系统。它可处理文本,也可能连接多导睡眠监测信号、可穿戴设备时序、问卷、病历、音频、影像或环境数据,用于资料检索、文献归纳、报告草拟、编码辅助、研究队列筛选、信号解释或多任务表征。“垂直”表示领域数据、术语、任务和治理经过专门适配;“大”没有跨厂商统一的参数门槛,也不自动表示临床能力优于较小的专用模型。

条目对象不是单一聊天机器人。一个完整系统通常由基础模型、领域适配层、检索知识库、工具调用、权限控制、提示模板、输出校验和业务界面共同构成。睡眠问答只是可能的应用之一;若系统仅把通用模型接到几篇资料上,更准确的描述可能是睡眠知识应用,而非已经验证的领域基础模型。WSIC 4.4.2 只说明其位于智能引擎分类,不代表医疗器械注册、诊断资格、临床有效性或监管批准。最终属性取决于预期用途、使用者、输出如何影响决策及销售地规则。

模型架构、数据与领域适配

常见路线包括从头训练、对通用基础模型进行领域继续预训练、监督指令微调、参数高效微调、偏好优化,以及通过检索增强生成和外部工具补足更新知识。继续预训练有助于学习睡眠术语和文体,却可能引入灾难性遗忘或放大语料偏差;检索增强可提供可追溯资料,但检索遗漏、过期资料、分块错误或提示注入仍会导致错误答案。工具调用能执行计算、数据库查询或信号分析,也会新增权限越界、错误参数和级联失败。应分别记录基础模型版本、适配数据、提示、检索索引、工具版本和安全策略,不能用一个总版本号掩盖组件变化。

睡眠数据具有强烈的时序、设备和场景差异。多导睡眠监测可包含脑电、眼电、肌电、气流、呼吸努力、血氧、心电、体位等通道;可穿戴设备往往只有活动、心率或光学信号;问卷和病历又属于不同语义层。开发资料需说明采样率、传感器位置、设备固件、时间同步、滤波、缺失值、评分规则、标签者资质和一致性。把自动评分结果当成人工金标准、把同一患者的不同夜晚分到训练和测试集、或让模型看到答案所在的报告,都会造成数据泄漏。患者、机构、设备和时间维度的独立划分比随机切分片段更可信。

任务设计与开发生命周期

开发应先写清使用情境,而不是先训练再寻找用途。知识检索、患者教育草稿、门诊摘要、睡眠分期、呼吸事件候选标注、风险分层和诊疗建议的危害不同,需要不同数据、指标和人工控制。每项任务都应规定输入资格、目标用户、允许输出、禁止输出、失败后果和升级路径。模型若同时服务公众、研究人员和临床人员,应以角色和权限隔离工作流;同一句回答对普通用户和受训专业人员可能具有完全不同的风险。

数据治理贯穿获取、清洗、标注、训练、评测、发布和退役。开发者应记录数据来源与许可、纳排标准、去重、个人信息处理、标注指南、争议裁决和各版本差异,并防止评测集进入训练语料或检索库。上线包应固定模型权重、分词器、系统提示、知识库快照、工具接口和推理参数,形成可复现的发布物。任何基础模型替换、知识更新、量化、蒸馏、提示调整或外部接口变化,都可能改变性能,应按预定变更控制重新评估,而不是默认“只是升级”。

评测、临床验证与证据解释

评测必须与用途匹配。分类或预测任务可考察敏感度、特异度、阳性与阴性预测值、受试者工作特征、精确率—召回率、校准和决策效用,但单一平均准确率会掩盖类别不平衡和高成本错误。生成任务还应检查事实正确性、引用是否真正支持结论、完整性、拒答、危急情况升级、提示鲁棒性和不同措辞的一致性。人工评分需有盲法、明确量表和评审者一致性;让开发团队挑选“好例子”不能替代预先定义的测试。

内部测试之后还需进行跨机构、跨设备、跨人群和时间外部验证,并单独报告年龄、性别、族群、语言、共病、设备和照护场景等亚组表现。睡眠分期或事件标注与专家一致,不等于改善诊疗结局;生成一份流畅报告也不等于建议安全。若预期支持临床决策,证据应依次回答有效临床关联、技术或分析性能、临床性能与实际工作流影响,并比较专业人员单独工作、模型单独工作和人机协作。模型置信度若未经校准,不应被界面包装为可靠概率。

部署、人类监督与运行安全

部署界面应明确这是模型输出,展示来源、数据时点、适用范围和关键不确定性,并让用户容易查看原始信号或证据。所谓“人工在环”只有在复核者具备专业能力、拥有充分信息与时间、能够否决结果并对责任边界知情时才有意义。若告警过多、输出复制方便或机构以效率指标迫使人员接受建议,人工签字可能只是形式。高风险输出应设置确定性规则、二次核验、权限审批或转诊升级,不应让模型独立处理呼吸暂停、严重嗜睡驾驶风险、药物调整或危机信息。

运行监测需覆盖输入分布、缺失通道、延迟、失败率、引用失效、拒答率、人工推翻率、亚组性能、投诉和安全事件。数据漂移、设备更新、诊疗指南变化或使用者改变提问方式,都可能使发布前结果失效。组织应保留模型和知识库版本、输入输出、工具调用及人工处置的适度审计记录,同时遵守最少必要和保存期限。出现严重错误时要能暂停功能、回滚版本、通知受影响方、调查根因并验证修复;静态上线报告不能替代持续监测。

隐私、安全、公平与责任治理

睡眠数据可揭示健康状况、作息、位置、同住关系和工作规律,通常具有较高敏感性。收集和使用应有明确目的与合法基础,控制最小字段、访问角色、保存期、跨境传输和二次用途。去除姓名并不必然匿名:时间戳、罕见疾病、自由文本、音频、面部影像和设备标识可能重新识别人。训练、检索、日志和反馈数据应分开授权,不能默认把临床输入用于再次训练。用户还应知道数据发送到何处、哪些服务商可接触、如何请求访问、更正或删除,以及停用后如何处理。

安全测试应覆盖提示注入、检索库投毒、越权工具调用、模型或成员推断、训练数据复现、恶意文件、依赖组件漏洞和拒绝服务。外部文档中的指令不能优先于系统策略;工具应采用最小权限、参数校验和网络隔离。公平性不能只看总体样本比例,还要检查数据质量、标签偏差、设备适配和错误后果是否在群体间不同。治理委员会应包含睡眠专业人员、数据与安全团队、法务伦理、实际使用者和患者代表,并明确产品负责人、临床责任人、事件处置人和供应商的可追责关系。

采购、监管与可持续发展

采购者应要求模型卡、数据说明、用途和禁用范围、外部验证、亚组结果、已知局限、更新策略、服务等级、数据流向、安全测试、事件通报、退出与数据迁移安排。演示中的流畅对话、医学考试分数、参数量或通用排行榜不能证明本地睡眠任务有效。试点应在影子模式中先比较现有流程,预设停止标准和成功指标,再小范围上线;还要计算复核时间、误报成本、接口维护、算力、能耗和供应商锁定,而不是只比较调用单价。

监管类别按用途而非名称决定。用于内部文献搜索或行政草拟的风险,通常不同于向患者给出个体化诊断、分析生理信号或驱动治疗的系统;后者可能触及医疗器械软件、临床决策支持或高风险人工智能规则。面向公众提供生成式服务还可能涉及模型与数据来源、个人信息、内容标识、安全评估和算法备案。备案、认证或信息安全证书各自只证明有限事项,不等于临床有效。可持续的方向不是让单一模型替代专业体系,而是构建可验证、可追溯、可撤回且在人类负责下服务明确任务的睡眠智能基础设施。