Искусственный интеллект научился находить такие закономерности всего по одной ночи наблюдений. Причём дело не просто в том, что плохой сон связан с болезнями. Алгоритмы анализируют одновременно десятки сигналов организма и замечают сочетания, которые обычный анализ может пропустить.

Новые возможности такого подхода 12 октября разобрал журнал Nature. В основе материала лежат две крупные работы, опубликованные в 2026 году.

585 тысяч часов сна научили ИИ оценивать риски

Первую систему, получившую название SleepFM, разработали специалисты Стэнфордского университета и их коллеги.

Модель обучили на более чем 585 тысячах часов записей сна примерно 65 тысяч человек. Использовалась полисомнография — полноценное медицинское исследование, во время которого одновременно фиксируют активность мозга и сердца, дыхание, движения глаз и мышц и другие показатели.

После обучения ИИ проверили, сможет ли он по одной ночи оценивать вероятность проблем со здоровьем в последующие годы.

В работе, опубликованной 6 января 2026 года в Nature Medicine, модель смогла оценивать риск 130 заболеваний и других состояний.

Среди них были деменция, инфаркт миокарда, сердечная недостаточность, хроническая болезнь почек, инсульт и фибрилляция предсердий. Алгоритм также оценивал общий риск смерти.

Лучше всего модель справлялась с деменцией, инфарктом и сердечной недостаточностью.

Это не означает, что по одной ночи можно узнать, заболеет ли конкретный человек. ИИ оценивает вероятность: он ищет сочетания физиологических признаков, которые чаще встречались у людей, впоследствии столкнувшихся с определёнными проблемами со здоровьем.

Во сне одновременно видны мозг, сердце и дыхание

Главное преимущество такого анализа — в количестве информации, которую организм оставляет за одну ночь.

Например, при апноэ часто смотрят на индекс апноэ–гипопноэ — сколько раз за час дыхание останавливалось или заметно ослабевало. Это важный показатель, но он описывает только одну часть происходящего.

Полисомнография одновременно показывает, как на нарушение дыхания реагирует сердце, насколько падает уровень кислорода, что происходит с мозговыми волнами и как часто человек ненадолго просыпается.

SleepFM анализирует все эти сигналы вместе и ищет закономерности, которые человеку трудно заметить вручную.

На RidLife ранее писали о связи апноэ и бессонницы с повышенным риском гипертонии. Новые модели идут дальше: важны могут быть не только отдельные нарушения сна, но и то, как на них одновременно реагируют сердце, мозг и дыхательная система.

ИИ разделил пациентов по риску лучше привычного показателя апноэ

Похожий результат получили авторы другой работы, опубликованной 3 августа 2026 года в Nature Communications.

Исследователи обучили ИИ на более чем 10 тысячах клинических исследований сна. Алгоритм самостоятельно разделил пациентов на пять групп с разными профилями ночной физиологии.

Эти группы заметно различались по тому, что происходило со здоровьем людей в последующие годы.

У пациентов с наиболее неблагоприятным профилем риск смерти оказался более чем вдвое выше, чем у группы с самым благоприятным. Отличался и риск сердечной недостаточности, сердечно-сосудистых и неврологических заболеваний.

При этом привычное деление апноэ на лёгкое, умеренное и тяжёлое хуже разделяло людей по будущим рискам.

Связь сохранялась даже после учёта возраста, пола, массы тела, сопутствующих заболеваний и тяжести апноэ.

Обычного фитнес-браслета для такого анализа пока недостаточно

Обе работы основаны прежде всего на полисомнографии — медицинском исследовании с большим количеством датчиков. Смарт-часы и фитнес-браслеты получают значительно меньше физиологических данных.

Есть и другое ограничение: многие участники исследований изначально проходили обследование в клиниках сна. Поэтому алгоритмы ещё предстоит проверить на более широких группах людей.

Пока такие системы не используют для постановки диагнозов. Но практический смысл уже понятен. Обычная полисомнография, которую клиники проводят сегодня для диагностики нарушений сна, возможно, содержит гораздо больше информации о здоровье, чем считалось раньше. ИИ просто научился извлекать из одной ночи данные, которые раньше оставались незамеченными.