Beacon Biosignals 的最新研究探索了家用睡眠脑电图（EEG）和人工智能（AI）如何在抑郁症研究中达到与专家分析相媲美的水平。
睡眠追踪曾一度局限于消费级健康领域——分数、圆环、仪表盘和提醒，告诉人们应该早点睡觉。然而，在神经科学和临床研究领域，睡眠正越来越被视为一种生物学的早期预警系统。
这种转变将在本月晚些时候的迈阿密呈现，Beacon Biosignals 的神经科学团队将在5月26日至29日举行的美国临床精神药理学学会（American Society of Clinical Psychopharmacology，ASCP）年会上展示其最新研究，正如该公司在领英（LinkedIn）上宣布的那样 [1]。
第一作者莎拉·斯坦科维奇（Sarah Stankowicz）将展示一项题为「家用睡眠脑电图设备对觉醒的机器学习检测，在伴有或不伴有抗抑郁药物使用的睡眠障碍中，表现出与专家评估者相当的性能」的研究结果。
Beacon 实质上是在探究人工智能是否能帮助研究人员更有效地「倾听」睡眠中的大脑，以及这是否能在人们家中而非睡眠实验室中实现。
你可能想知道为什么传统上睡眠研究一直很困难。那是因为在医学层面上研究睡眠从来都不是一件简单的事。传统的夜间睡眠研究依赖于多导睡眠图（polysomnography，PSG），它被广泛认为是测量睡眠和大脑活动的黄金标准。患者需要在整个晚上连接电线和传感器，同时临床医生监测呼吸、心率、运动和大脑电活动。
当然，讽刺的是，许多人在这种环境下无法正常入睡。试图在实验室中了解自然睡眠有时感觉有点像在动物园里研究野生动物。你仍然可以收集到有用的信息，但环境不可避免地会改变行为。
Beacon 的可穿戴脑电图设备，现在被称为 Waveband，是旨在将这一过程引入现实世界的日益壮大的努力的一部分。这款头带旨在让人们在家中自己的床上睡觉时，收集大脑活动数据，而无需传统研究中笨重的临床设置。
这里的更大抱负不仅仅是便利性，而是规模化。长期脑健康研究越来越依赖于数周或数月连续收集的数据，而不是在孤立的临床访视中获得的一次性快照。监测自然睡眠变得越容易，研究人员就越能开始理解以前不可见的模式。
该公司最新的研究重点是「觉醒」（arousals），即睡眠过程中短暂的干扰，这些干扰通常在第二天早上人们醒来时并不记得。可以将它们视为大脑夜间恢复过程中微小的扰动，大脑部分唤醒的时刻，即使这个人从未完全醒来。
一两次可能无关紧要。但长时间的重复干扰则会造成影响。对于抑郁症患者，特别是那些服用抗抑郁药物的患者，睡眠模式可能变得高度复杂。药物可能会改变睡眠结构，使得临床医生和研究人员更难解读他们所看到的情况。
传统上，训练有素的睡眠专家需要花费数小时手动审查脑电图记录，以识别这些干扰。Beacon 的机器学习系统旨在自动化大部分工作，同时保持专家级别的准确性。
据该公司称，即使在服用抗抑郁药物的复杂重度抑郁症（major depressive disorder）人群中，基于人工智能的分析也表现出与人类评估者相当的性能。
在这里，人工智能正在逐渐从引人注目的前端聊天机器人演示转向更安静的基础设施工作：分类庞大的数据集，识别细微模式，并减少阻碍研究进展的瓶颈。
在医疗保健领域，这种无形的效率最终可能比表面的壮观景象更重要。
Waveband，此前被称为 Dreem 3S 脑电图头带，已经获得美国食品药品监督管理局（FDA）510(k) 许可。该设备还在《睡眠》（SLEEP）杂志上发表的一项同行评审研究中进行了评估，研究人员将其与传统多导睡眠图进行了直接比较 [2]。
研究结果表明，这款可穿戴设备在睡眠阶段分析方面的准确性接近训练有素的睡眠专家。对于普通人来说，百分比和脑电图测量可能感觉很抽象。但在神经科学领域，在临床外部复制实验室级别的睡眠分析，长期以来一直是该领域最困难的技术难题之一。
挑战不在于数据收集。现代可穿戴设备已经收集了大量数据。真正的挑战是信任。这些信息在临床试验中真的可以依赖吗？它能否帮助研究人员以足够的严谨性研究抑郁症、神经退行性疾病或认知衰退，从而影响治疗和药物开发？这正是像 Beacon 这样的公司现在正在努力跨越的门槛。
睡眠正作为揭示大脑和身体如何衰老的最具启发性的指标之一，进入长寿（longevity）讨论中。不良睡眠与炎症、记忆力下降、心血管疾病和阿尔茨海默病（Alzheimer’s disease）等神经退行性疾病有关。然而，尽管其重要性，睡眠在专业诊所之外却仍然难以良好测量。
这可能就是为什么像 Waveband 这样的技术在神经科学领域之外也显得意义重大。它们暗示着一个未来，届时脑健康监测将变得更加连续、更易获得，并且反应性更低。换句话说，长寿的未来可能在于理解我们的大脑在睡眠时试图表达什么。
[1] https://www.linkedin.com/posts/beaconbiosignals_ascp2026-sleepeeg-cnstrials-activity-7462321131971137537-dVwv
[2] https://academic.oup.com/sleep/article/43/11/zsaa097/5841249
📎 来源：Longevity Technology