大數據與人工智能的發展，為‘失眠’狀態的監測提供了技術手段。但要解決失眠問題，就必須以物聯網和人工智能等新興技術為手段，以醫工深度融合的方式，提出解決方案。”3月25日，香山科學會議在北京召開，北京大學信息科學技術學院副教授黃安鵬在會上說道。
此次會議主題為“面向睡眠健康的智能感知與計算”，與會學者各抒己見、討論熱烈，但都對我國智能睡眠醫學研究達成共識——快速增長的睡眠健康需求與我國落后的睡眠醫學現狀之間存在突出矛盾。
西南大學電子信息工程學院教授張遠說，矛盾體現在多方面，如便攜的微擾睡眠監測手段匱乏，用于臨床診斷的睡眠障礙生物標志物亟待挖掘，擁有自主知識產權的睡眠數據分析模型與核心算法尚未建立等。
缺乏標準化的睡眠大數據
中國睡眠研究會發布的《中國睡眠診療現狀調查報告》顯示，我國約有1/3人口存在不同程度的睡眠障礙，而全國三萬多家醫院中僅有3000多家建立了睡眠監測室。
睡眠質量評估是預防和治療睡眠障礙的先決條件。目前臨床上慣用的監測手段是多導睡眠監測儀（PSG）。東南大學儀器科學與工程學院教授劉澄玉說：“PSG設備本身導聯較多、操作復雜、舒適性差，云主機租用，且價格昂貴，并會在很大程度上影響睡眠，在醫院外的應用場景受到極大限制。”
雖然PSG是評估睡眠質量、診斷睡眠障礙疾病的“金標準”，但PSG可能無法全面準確反映真實的睡眠質量。與會專家提出，要探索非接觸式睡眠監測技術、微擾或無擾便攜式睡眠監測技術等，而這就要求在睡眠監測的機理機制技術規范、判斷標準和臨床應用實踐指南方面盡快形成共識。
北京大學人民醫院的韓芳教授指出，國內服務器，睡眠監測獲得的大數據包括腦電、心電、眼動、血氧、呼吸氣流等十幾種參數，這些數據在睡眠疾病診斷領域具有重要應用。
“但目前尚缺乏優質的睡眠大數據。”首都醫科大學心理與精神衛生學院副教授王長明告訴科技日報記者，由于采集睡眠數據的設備及參數配置不同等因素，睡眠數據質量參差不齊。
正因為如此，精準解析多模態且具有異構性的睡眠監測大數據，進而提供高效、魯棒性強、臨床可解釋性強的數據分析算法，依然是智能睡眠醫學領域的難題。
