Continuous Sub-epoch Dynamics of Healthy Sleep Revealed by Self-supervised Representation Learning
本研究引入了“表征速度”（representational velocity），这是一种源自多模态多项睡眠图的自监督指标，旨在揭示常被传统的 30 秒离散分期框架所掩盖的连续性、亚历程（sub-epoch）睡眠动态及渐进式生理转变。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
几十年来，睡眠科学一直依赖于一张简单且僵化的地图。当医生和研究人员研究一个人的睡眠情况时，他们使用一种叫做多导睡眠图（polysomnograph）的机器来记录脑电波、眼球运动和肌肉活动。自20世纪60年代以来，标准做法是将这种连续的数据流切割成每段30秒的块。人类专家观察每一块数据，并为其分配一个单一的标签：清醒、浅睡、深睡或做梦期。这创造了一张阶梯状的夜间图表，睡眠者在各个台阶之间跳跃。虽然这种方法对诊断疾病很有用，但它将睡眠视为一系列离散的房间，而非一条流动的河流。实际上，大脑和身体并不会瞬间切换状态；它们会漂移、滑动并逐渐变化。旧的地图错失了这些微妙的转变，掩盖了官方标签之间那几秒钟内发生的缓慢过渡。
东芬兰大学的一个研究小组开发了一种观察这些隐藏时刻的新方法。该系统不再强行将数据塞进30秒的方框中，而是训练计算机自主学习睡眠信号的语言，而无需任何人类标签的引导。该系统分析了来自健康成年人的数千小时录音，学习识别每5秒一次的大脑和身体活动模式。通过这种学习，研究人员创造了一个他们称之为“表征速度”（representational velocity）的新指标。可以将其理解为大脑状态从一时刻到下一时刻变化的快慢程度。如果大脑处于稳定且深度的睡眠中，变化就很慢；如果大脑处于躁动、苏醒或转换状态，变化就会很快。通过追踪这种变化速度，研究人员能够看到旧有的30秒地图所遮蔽的连续睡眠流。
这项研究始于教计算机模型理解复杂的睡眠信号。该模型观察来自大脑、眼睛和肌肉的记录，以5秒为一个切片进行处理。它并未被告知人员处于哪种睡眠阶段；相反，它被要求预测几秒钟后的信号会是什么样子。通过尝试进行这些预测，模型学会了构建大脑当前状态的紧凑摘要。当研究人员将这些摘要可视化时，发现模型自然地将它们组织成了与传统睡眠阶段相匹配的组别。深睡聚集在一起，而清醒和做梦期则形成了各自独立的组别。这证明了计算机在从未被告知这些阶段名称的情况下，已经学习到了睡眠的核心结构。
更重要的是，研究人员发现，这些摘要之间的变化速度比阶段本身讲述了更丰富的故事。他们发现，大脑在不同类型的睡眠中以不同的速度移动。在最深层、最具恢复性的睡眠期间，大脑状态的变化非常缓慢，就像一艘重型船只在平静的水面上滑行。随着睡眠者进入浅睡或苏醒，变化速度会增加。在清醒状态下，变化最为迅速。这种模式在研究中所有的健康成年人身上都成立，证实了变化速度是衡量睡眠稳定程度或活跃程度的可靠指标。
最令人发现的成果来自于观察睡眠阶段发生变化的时刻。在传统的30秒系统中，从浅睡到深睡的转变发生在新的时间块开始时，是瞬间发生的。然而，新的分析显示，大脑通常在官方转换时间之前很久就开始改变其状态。例如，当一个人即将从浅睡转入深睡时，大脑信号的变化速度在人类专家标记变化前的约25秒就开始放缓。反之，当一个人即将醒来时，变化速度会在正式苏醒时间前急剧飙升。这些模式表明，大脑会提前做好进入新状态的准备，而旧的30秒标签完全忽略了这一过程。
研究人员还观察了大脑如何处理短暂的干扰，例如深夜里的瞬间觉醒。新方法在这些短暂觉醒之前检测到了变化速度的明显下降，这表明在大脑突然转向清醒状态之前，存在一个同步化的瞬间。即使研究人员在针对患有睡眠呼吸暂停症（一种睡眠期间呼吸停止和开始的疾病）的不同人群进行测试时，这种细节水平依然保持一致。尽管这组人群的健康状况不同，且由人类专家进行评分，但变化的模式保持不变。这证实了这些发现并非计算机模型的特有现象，而是反映了人体睡眠方式中真实的、连续的变化。
这项工作挑战了睡眠是由一系列离散步骤组成的观点。相反，它揭示了睡眠是一个连续的旅程，大脑在不断进化，甚至在单个30秒的块内也是如此。新的“表征速度”指标提供了一种观察这些微妙运动的方法，为观察大脑如何在休息与警觉之间转换提供了更清晰的图景。虽然传统方法在临床诊断中仍然有用，但这种新方法为观察此前不可见的细粒度睡眠动态打开了一扇窗。它表明，睡眠阶段之间的边界并非硬性的墙壁，而是大脑始终在运动、为下一阶段做准备的流动区域。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。