Dữ liệu giấc ngủ có thể dự đoán bệnh trong tương lai?

Một đêm ngủ chứa rất nhiều thông tin

Nói đến bản ghi giấc ngủ, có lẽ bạn nghĩ ngay đến số giờ đã ngủ.

Các xét nghiệm giấc ngủ chuyên sâu tại cơ sở y tế thu thập nhiều thông tin hơn thế.

Sóng não, hoạt động của tim, hô hấp, oxy trong máu và cử động cơ: các cảm biến gắn trên cơ thể ghi lại những tín hiệu này suốt đêm. Xét nghiệm đó được gọi là đa ký giấc ngủ, hay PSG (NHLBI, “Sleep Studies”).

Những xét nghiệm này được dùng để tìm hiểu các vấn đề về giấc ngủ, chẳng hạn ngưng thở khi ngủ do tắc nghẽn.

Bản ghi cho biết cơ thể hoạt động thế nào khi ngủ, bên cạnh thời lượng ngủ. Các nhà nghiên cứu đang tìm hiểu liệu nguồn thông tin phong phú này có thể giúp hiểu sức khỏe sâu hơn hay không.

AI học từ giấc ngủ của khoảng 65.000 người

Nghiên cứu SleepFM được công bố trên Nature Medicine vào tháng 1 năm 2026.

Các nhà nghiên cứu sử dụng hơn 585.000 giờ dữ liệu xét nghiệm giấc ngủ của khoảng 65.000 người tham gia để học. Mô hình xử lý nhiều tín hiệu sinh lý và kết hợp tuổi, giới tính với các bản ghi để dự đoán nguy cơ mắc bệnh.

Nghiên cứu báo cáo hiệu năng dự đoán sa sút trí tuệ, nhồi máu cơ tim và các kết cục khác về sau chỉ từ bản ghi một đêm. Với sa sút trí tuệ, một chỉ số gọi là C-index đạt 0,85 (Thapa et al., 2026).

Con số 0,85 cho biết điều gì về khả năng dự đoán của mô hình?

0,85 không phải xác suất mắc bệnh của bạn

C-index đo mức độ phù hợp giữa thứ tự các biến cố quan sát được và thứ tự nguy cơ mà AI đưa ra.

Hiểu khái quát, với hai người có thể so sánh, chỉ số này xem người thực sự gặp biến cố sớm hơn có được xếp vào mức nguy cơ cao hơn hay không.

Vì vậy, kết quả 0,85 không có nghĩa là bạn có 85% khả năng mắc sa sút trí tuệ, hay mô hình đã chẩn đoán đúng 85 trong 100 người.

Xếp hạng nguy cơ tốt và ước tính chính xác một tỷ lệ phần trăm trong một số năm nhất định cũng cần được đánh giá riêng. Việc kiểm tra xem xác suất dự đoán có phù hợp với tỷ lệ biến cố quan sát được hay không được gọi là đánh giá độ hiệu chuẩn, hay calibration (Riley et al., 2024).

Bạn không cần học thuộc các thuật ngữ.

Khi một nghiên cứu nói đến độ chính xác, hãy xem họ dự đoán điều gì và tính con số đó như thế nào. Bước nhỏ này có thể thay đổi cách bạn hiểu kết quả.

Ngày ghi nhận chẩn đoán không phải ngày bệnh khởi phát

Nghiên cứu này liên kết bản ghi xét nghiệm giấc ngủ với chẩn đoán và thông tin khác được ghi nhận sau đó trong hồ sơ sức khỏe điện tử (Thapa et al., 2026).

Cần phân biệt ngày chẩn đoán được ghi nhận với ngày bệnh bắt đầu trong cơ thể.

Những thay đổi có thể tiến triển dần trước khi một xét nghiệm hay lần khám sau này dẫn đến chẩn đoán. Dự đoán một chẩn đoán được ghi nhận không xác định được thời điểm bệnh bắt đầu.

Tương tự, dự đoán bệnh từ một đặc điểm giấc ngủ không chứng minh rằng đặc điểm ấy gây ra bệnh.

Những kết luận như “tăng giấc ngủ sâu giúp phòng bệnh này” cần thêm các nghiên cứu với cách tiếp cận khác.

Dữ liệu của ai cũng là điều quan trọng

Bài báo SleepFM ban đầu giải thích rằng phần lớn dữ liệu đến từ những người được xét nghiệm vì nghi ngờ có vấn đề về giấc ngủ hoặc có chỉ định liên quan. Một số bệnh được đánh giá trên quần thể khác, nhưng không phải kết cục nào cũng có thể được kiểm tra theo cùng cách (Thapa et al., 2026).

Hiệu năng ở những người được xét nghiệm không nhất thiết áp dụng nguyên vẹn cho cộng đồng rộng hơn trong đời sống thường ngày.

Nguyên tắc này quan trọng với AI y tế nói chung.

Mô hình có giúp được những người khác với nhóm được dùng để học không? Kết quả có giữ được ở bệnh viện khác hoặc thời điểm khác không? Việc đánh giá cần gần với điều kiện sử dụng dự kiến (Collins et al., 2024).

Cả quy mô bộ dữ liệu lẫn mức độ phù hợp với người dùng dự kiến đều quan trọng.

Từ việc học trong phòng xét nghiệm giấc ngủ đến cảm biến ở cổ tay

Hướng nghiên cứu này đang tiếp tục phát triển.

SleepFM-2, được chia sẻ vào tháng 9 năm 2026 và cập nhật ngày 2 tháng 10, sử dụng hơn hai triệu giờ bản ghi giấc ngủ.

Loại AI này học đặc trưng từ nhiều tín hiệu, rồi dùng chúng cho các nhiệm vụ như phân loại giai đoạn ngủ và dự đoán nguy cơ mắc bệnh. Vì tạo nền tảng cho nhiều cách phân tích, nó được gọi là mô hình nền tảng, hay foundation model.

Nghiên cứu tiếp theo tìm hiểu việc phân loại giai đoạn ngủ bằng EEG đeo trên đầu và tín hiệu mạch ở cổ tay, cũng như dự đoán nguy cơ mắc bệnh bằng bản ghi chuyển động cổ tay. Dữ liệu và phương pháp phân tích khác nhau tùy nhiệm vụ (Thapa et al., SleepFM-2, 2026).

Tính đến ngày 19 tháng 10 năm 2026, công trình này vẫn là bản thảo công bố trước, hay preprint, chưa qua bình duyệt. Cần đọc các phát hiện cùng với những kiểm chứng tiếp theo trong tương lai.

Liệu những đặc trưng học từ xét nghiệm giấc ngủ toàn diện có dùng được với cảm biến dễ tiếp cận hơn không? Đó là câu hỏi thú vị mà nghiên cứu tiếp nối đặt ra.

Bản ghi giấc ngủ trên Apple Watch có làm được điều tương tự?

Có lẽ lúc này bạn đang tò mò muốn đưa biểu đồ giấc ngủ của mình cho AI xem.

Nhưng số phút ngủ sâu hay điểm số hiển thị trên màn hình không giống các bản ghi tín hiệu sinh lý được dùng trong nghiên cứu.

Tài liệu kỹ thuật năm 2025 của Apple mô tả cách ước tính giai đoạn ngủ trên Apple Watch từ tín hiệu gia tốc kế. Đồng hồ không trực tiếp đo sóng não (Apple, “Estimating Sleep Stages from Apple Watch”).

Ngay cả nghiên cứu dùng tín hiệu chuyển động cổ tay cũng không nhất thiết chỉ nhập thời lượng ngủ hoặc điểm số nhìn thấy trên màn hình.

Cảm biến nào thu thập tín hiệu gì và chúng được phân tích ra sao? Cần kiểm tra những khác biệt ấy khi liên hệ kết quả nghiên cứu với thiết bị hằng ngày.

Ngoài dự đoán tốt, còn cần kiểm tra điều gì?

Để một công nghệ hỗ trợ sức khỏe, giá trị ngoài hiệu năng dự đoán cũng quan trọng.

Sau một kết quả nguy cơ cao sẽ là những xét nghiệm hay buổi khám nào? Các quyết định đó có giúp người bệnh nhận được chăm sóc cần thiết sớm hơn không? Có thể tránh xét nghiệm không cần thiết và gánh nặng đi kèm không?

Mô hình dự đoán y khoa cũng cần được đánh giá về tính hữu ích trong thực tế như vậy (Riley et al., 2024).

Dữ liệu giấc ngủ có thể chứa những manh mối sức khỏe chưa được khai thác hết. AI đang dần mở rộng khả năng đó.

Biểu đồ giấc ngủ sáng nay không phải thông báo về một căn bệnh tương lai.

Dù vậy, nghiên cứu kỹ cơ thể qua mỗi đêm có thể một ngày nào đó giúp đưa sự chăm sóc phù hợp đến người cần. SleepFM là một hướng nghiên cứu đang gợi mở tương lai ấy.