一夜睡眠，藏著全身健康的「生理指紋」？選自史丹佛最前端科學實證

此週選讀史丹佛團隊發表在Nature Medicine最新科學實證。看到這篇文章著實讓我睜大眼睛，這大概是我10年前也很想知道的結果，只可惜在台灣要連結個案的臨床資料至健保資料庫，並非想像中容易，否則如此的巨量資料分析，台灣的確也能做得到。 先來聊聊為何我一開頭就說:

一夜睡眠，藏著能窺探全身健康的生理指紋

睡眠中的腦波、心跳與呼吸訊號，象徵睡眠是反映全身健康的生理指紋 (與chatGPT共創圖片)

首先，先帶大家來看一下，臨床實務蠻頻繁可見的真實場景 (以下已匿名)

52歲小陳，平時工作忙碌，自覺身體還算健康。然而，此次來到診間，是太太伶著她來的，太太抱怨他 晚上鼾聲很大，有時還會突然安靜十幾秒，接著猛然吸一口氣。

個案自己倒不覺得睡眠有什麼問題。

直說「我每天都睡滿七個小時，應該還好吧？」

只是他自己也有提到 : 早上醒來仍覺得疲倦，下午開會容易打瞌睡，血壓也比以前高。

大家看到這裡，應該也會有同樣的疑問:

疑~如果已經睡滿七個小時，為什麼身體仍然沒有真正休息？

這是一個非常常見的情況，也帶出一個重要觀念

一、睡眠健康不能只看「睡了多久」

真的不誇張，有蠻多人脫口就是說 : 我睡得很好，只要坐著沒事就能夠秒睡。要不然就是說，放假都能夠睡到翻掉......

在這裡要很抱歉，這些說法可能要一一被推翻。

很多人以為睡眠就像關燈：閉上眼睛、失去意識，身體便進入靜止狀態。實際上，睡眠更像是一場持續整晚的生理協調工程。

當我們從清醒進入睡眠，大腦會依序經歷淺睡、深睡與快速動眼睡眠 (有興趣能接續看我先前的文章: 作夢是一種治療，你相信嗎?。與此同時，心跳與血壓通常會下降，呼吸節律隨睡眠階段改變，肌肉張力也會重新調整。

在這段期間，身體同時進行多項重要工作，包括：

• 調節自律神經活動• 整理與鞏固記憶

• 調整情緒反應

• 修復組織與恢復能量

• 調節免疫與發炎反應

• 維持血糖及代謝平衡

• 降低心臟與血管的夜間負荷

因此，真正需要觀察的問題不只是「一個人有沒有睡著」，而是：

大腦進入睡眠後，心臟、呼吸與自律神經是否也跟著進入適當的夜間狀態

如果一個人的腦波看起來已經睡著，心跳與自律神經卻仍像白天一樣處於警戒狀態；或者身體想要進入深睡，呼吸卻反覆中斷、血氧不斷下降，那麼他即使躺在床上七、八個小時，也未必獲得完整的生理恢復。

因此，一晚的睡眠可能不只反應睡眠本身，也默默記錄著全身各個系統的運作狀態。這正是科學家開始將睡眠稱為全身健康「生理指紋」的原因。

二、我們如何看見睡眠中的身體？

一般人判斷睡眠，大多靠自己的感覺或智慧手錶提供的睡眠分數。

然而，有曾經去到睡眠中心躺過的人就知道，光在那裏睡一覺身上就纏著無數多條線。這個就是醫療級的多導睡眠檢查，也就是polysomnography，簡稱PSG，能同時記錄多種生理訊號，包括：

• 腦波：判斷清醒、淺睡、深睡及快速動眼睡眠

• 眼球運動：協助辨認睡眠階段

• 心電圖：觀察心跳與心律變化

• 呼吸氣流：辨識呼吸是否中斷或變淺

• 胸腹起伏：觀察呼吸努力

• 血氧與脈搏：了解是否發生夜間缺氧• 肌肉及腿部活動：偵測異常動作與肌肉張力

過去，這些資料主要用來判定睡眠階段，或診斷睡眠呼吸中止症等睡眠疾病。

然而，一整晚的檢查會產生大量資料。許多細微的訊號變化，以及不同訊號彼此之間的關係，可能超出人類逐頁判讀的能力。

史丹佛團隊，在此篇文章中提出一個新的問題：

如果人工智慧可以同時閱讀整晚的腦波、心跳、呼吸與肌肉活動，它會不會看見我們過去忽略的健康線索？

是故，在2026年，Stanford Medicine研究團隊在《Nature Medicine》發表一個名為SleepFM的人工智慧基礎模型。

SleepFM的概念與大型語言模型有些相似。換句話說，SleepFM會從大量睡眠資料中，學習腦波、心跳、呼吸、血氧及肌肉活動如何隨時間共同變化。

在這個研究中，研究團隊使用約 65,000名 參與者、超過 585,000小時 的多導睡眠資料訓練模型，並將連續的睡眠訊號切割成 五秒 一段，讓AI逐步學習「睡眠的語言」。

它學到的並不只是：

「這個人睡了幾個小時？」或是：「這個人的深睡比例是多少？」

而是試圖理解的是更複雜的問題：

「當大腦進入某個睡眠階段時，心臟應該如何反應？呼吸是否穩定？肌肉張力有沒有配合改變？不同生理系統之間的節奏是否一致？」

這就是睡眠可能成為「生理指紋」的第一個原因——它同時記錄了多個器官系統的活動。

從一晚睡眠，可以看見哪些疾病風險？

三、睡眠跟長期健康的關係?

為了研究睡眠與長期健康之間的關係，研究團隊將Stanford睡眠中心約35,000人的睡眠資料與電子健康紀錄配對。部分患者的追蹤時間長達25年。

研究人員評估了 1,041個 疾病類別，結果發現其中 130個 疾病類別，可從睡眠資料達到研究預先設定的合理預測表現。

在健康預測的項目比較突出的包括：

• 帕金森氏症

• 失智症

• 心肌梗塞

• 高血壓性心臟病

• 心臟衰竭

• 慢性腎臟病

• 腦中風

• 部分癌症

• 全因死亡風險

例如，模型預測帕金森氏症的風險排序 (C-index) 為0.89、失智症為0.85、心肌梗塞為0.81，全因死亡風險則為0.84。

以預測帕金森氏症為0.84為例，意思是說:

隨機比較兩位研究參與者的睡眠資料，此模型約有84%的機會，能正確判斷哪一位會較早發生該項健康事件。

四、為什麼睡眠能預測這麼多不同疾病？

看到這裡，或許你的心裡會有些疑問：

失智症發生在大腦，心肌梗塞發生在心臟，慢性腎臟病涉及腎臟，癌症又可能出現在不同器官。為什麼這些疾病都能在睡眠中留下線索？

原因可能不在某一個單獨的睡眠數值，而在於睡眠會同時受到多個生理系統的影響。

第一，睡眠反映 "大腦" 功能

睡眠階段、腦波節律及夜間覺醒狀態，都與神經系統功能有關。

某些神經退化性疾病在出現明顯記憶、動作或認知症狀以前，就可能先出現睡眠結構改變、快速動眼睡眠異常或日夜節律紊亂。

睡眠變化有時可能是疾病的早期表現，而不只是疾病發生後的結果。

第二，睡眠反映 "心臟與血管" 的調節能力

健康的睡眠期間，心跳與血壓通常會適度下降，讓心血管系統獲得休息。如果夜間持續處於交感神經活化狀態，或因呼吸中止反覆缺氧，心跳與血壓就可能頻繁波動。長期下來，可能增加血管與心臟的負荷。

因此，心電訊號、脈搏及血氧變化可能透露心血管調節是否穩定。

第三，睡眠反應 "呼吸系統" 的脆弱性

清醒時，人可以主動調整呼吸；睡著後，呼吸主要依靠自動化的神經調節。

如果上呼吸道狹窄、呼吸控制不穩定或呼吸肌功能受影響，問題往往會在睡眠中更加明顯。例如，打鼾、呼吸中止、血氧下降及反覆微覺醒，都是常見表現。

睡眠因此成為觀察呼吸系統的一種「夜間壓力測試」。

第四，睡眠反映 "自律神經與代謝" 狀態

睡眠期間，交感神經與副交感神經需要隨睡眠階段適當切換。

疼痛、慢性壓力、焦慮、發炎、肥胖、血糖異常、飲酒及部分藥物，都可能改變這項平衡。這些影響又可能反映在心率變異、呼吸、睡眠片段化及夜間覺醒上。

因此，睡眠紀錄可能同時包含心理壓力、代謝狀態與慢性疾病所留下的訊號。

然而，真正值得注意的，可能是「彼此不同步」

SleepFM研究最有啟發性的發現，不只是AI能預測多少疾病，而是不同生理訊號之間的「不協調」，可能比任何一個單獨指標更有資訊。

研究團隊指出，

腦部訊號對神經及精神疾病較有預測資訊，心電訊號對循環系統疾病較有資訊，而呼吸訊號則較能反映呼吸及代謝相關疾病。

在這個研究中，研究團隊發現將所有訊號結合起來時，模型的整體預測表現最好。

舉一個比較容易理解的例子說明：

一個人的腦波看起來已經進入睡眠，但心臟訊號仍像處於清醒狀態。

這可能代表大腦已經「關燈」，但心臟與自律神經仍未解除警戒。這種跨系統不同步，可能透露身體沒有順利進入完整的夜間恢復狀態。

我們可以把身體想像成一支管弦樂團。

睡眠健康不只是每件樂器能不能各自發出聲音，而是大腦、心臟、呼吸、自律神經與肌肉，能不能按照相同的節奏合作。

即使每一項數值單獨看起來沒有明顯異常，只要彼此長期失去協調，仍可能留下具有意義的健康訊號。

這就是睡眠成為「生理指紋」的核心原因：

每個人在夜間呈現的跨系統協調模式，都可能反映他的年齡、疾病、壓力、生活型態及生理調節能力。

五、預測，不等於診斷

這項研究令人期待，但還是得謹慎解讀。

SleepFM目前是風險預測模型，不是可以單獨使用的疾病診斷工具。

它不能只看一晚睡眠，就確定某個人未來一定會罹患失智症、帕金森氏症、心臟病或癌症；也不能取代醫師評估、血液檢驗、影像檢查或其他疾病診斷標準。

此外，「睡眠資料能預測疾病」不等於「睡眠異常造成疾病」。

兩者之間至少可能有三種關係：

• 睡眠異常增加疾病風險

• 潛在疾病先改變睡眠生理

• 年齡、肥胖、藥物、慢性病或生活型態同時影響睡眠與疾病

目前的研究主要證明預測關聯，尚未完整釐清每一項疾病背後的因果途徑。

研究資料也主要來自接受睡眠檢查的患者。這些人通常原本就有打鼾、失眠、白天嗜睡或其他健康問題，因此不能完全代表一般健康人口。

雖然SleepFM曾在獨立資料中進行部分外部驗證，但尚未針對全部疾病完成跨醫院、跨國家與跨族群的全面驗證。模型對個別患者做出特定預測的原因，也仍不容易完整解釋。

六、智慧手錶的睡眠分數，也有相同能力嗎？

目前不能將SleepFM的研究結果直接套用到智慧手錶或一般睡眠App。

SleepFM主要使用醫療級多導睡眠檢查，能同時取得腦波、心電、呼吸、血氧與肌肉活動。一般穿戴式裝置多半利用手部動作、光學心率及血氧估計睡眠，資料的種類與精確度並不相同。

因此，智慧手錶的睡眠分數可以用來觀察個人長期趨勢，但不能自行診斷睡眠呼吸中止症、失智症、心臟病或癌症。

如果某天分數偏低，也不需要立刻恐慌。比單一晚數值更值得關注的，是持續數週或數月的變化，以及是否同時出現白天功能下降或身體症狀。

七、那我們可以從這項研究得到什麼？

第一，不要只用睡眠時數判斷睡眠健康

睡滿七、八個小時，不一定代表大腦、心臟與呼吸系統真正獲得休息。

除了睡眠時數，也應注意：

• 起床後是否恢復精神

• 白天是否經常嗜睡

• 睡眠是否反覆中斷

• 是否有大聲打鼾或呼吸停止

• 情緒、記憶與注意力是否明顯改變

第二，不必追求每天完美的睡眠分數

偶爾一晚睡不好，是正常的人體反應。

真正重要的是長期趨勢，以及睡眠是否影響白天的認知功能、情緒、工作安全與生活品質。

過度焦慮睡眠數字，反而可能增加睡前警覺，使失眠更加嚴重。

第三，不要忽略持續性的睡眠警訊

若長期出現下列情況，建議尋求專業評估：

1. 大聲且不規則的打鼾

2. 睡眠中被觀察到呼吸停止

3. 夜間反覆喘醒或有窒息感

4. 起床後頭痛、口乾或仍然疲倦

5. 白天過度嗜睡，甚至在開車時打瞌睡

6. 長期難以入睡、容易醒來或過早清醒

7. 睡眠中出現明顯喊叫、踢打或異常動作

這些症狀不代表一定罹患嚴重疾病，但可能是身體發出的早期提醒。

睡眠不是疾病判決書，而是一扇健康觀察窗

回到文章開頭的陳先生。

真正值得關注的，並不是他是否睡滿七個小時，而是睡眠期間可能反覆發生的呼吸中止、缺氧、心跳波動與微覺醒。這些變化不一定會讓他完全醒來，卻可能使大腦、心臟與自律神經整晚處於反覆受壓的狀態。

SleepFM這個研究讓我們看見：

睡眠不是一段被動、空白的時間，而是一個能同時觀察大腦、心臟、呼吸、肌肉與自律神經的窗口。

AI 的角色也不是替人類預言疾病，而是從龐大的睡眠訊號中，找出肉眼難以辨認的模式，協助醫療人員更早發現需要關注的族群。

我們不需要因為一晚睡不好而恐慌，也不應忽略長期反覆出現的睡眠警訊。

謝謝你一路看到這裡。相信有耐心看下去的你，必定也一定有一些收穫，也歡迎留言讓我知道你的想法。期待下周好眠報報再次與你交流。

參考資料：

1. ** Thapa R, Kjaer MR, He B, et al. A multimodal sleep foundation model for disease prediction. Nature Medicine. 2026;32:752–762. https://www.nature.com/articles/s41591-025-04133-4

2. Stanford Medicine. New AI model predicts disease risk while you sleep. 2026/01/06. https://med.stanford.edu/news/all-news/2026/01/ai-sleep-disease.html