DOI: https://doi.org/10.1038/s41746-026-02432-9
PMID: https://pubmed.ncbi.nlm.nih.gov/41663720
تاريخ النشر: 2026-02-09
المؤلف: Mingjian Cai وآخرون
الموضوع الرئيسي: النوم والاضطرابات المرتبطة به
نظرة عامة
تقدم هذه القسم نظرة عامة على “هانغ هاو مينغ”، وكيل خبير صحة النوم المدعوم بالذكاء الاصطناعي المصمم لإدارة شاملة للمرضى في طب النوم. باستخدام نماذج اللغة الكبيرة (LLMs)، والتحليلات متعددة الوسائط، وواجهة رقمية-إنسانية، يقدم الوكيل مجموعة كاملة من الخدمات من الفحص الأولي إلى العلاج الشخصي. لقد نجح نشره في تصنيف أكثر من أربعة ملايين فرد وإجراء أكثر من 90,000 فحص، مما يوضح نهجًا قابلاً للتوسع لتعزيز الوصول والرعاية الشخصية في هذا المجال.
تؤكد الخاتمة على الإمكانات التحويلية للذكاء الاصطناعي في رعاية النوم الصحية، متجهة من النماذج التقليدية التفاعلية إلى الرعاية الاستباقية، المنزلية، متعددة الوسائط. تسهل التقدمات الأخيرة في التكنولوجيا القابلة للارتداء ومعالجة الإشارات المراقبة المستمرة والتعرف المبكر على اضطرابات النوم. يعزز دمج بيانات العالم الحقيقي المتنوعة دقة التشخيص ويدعم الانتقال إلى أنظمة مراقبة المرضى عن بُعد. ومع ذلك، فإن التنفيذ الفعال للذكاء الاصطناعي في هذا المجال يعتمد على التحقق السريري القوي، والأطر التنظيمية، والتعاون الشفاف بين الإنسان والذكاء الاصطناعي. تتكون بنية الوكيل من أربع طبقات، تدمج مصادر بيانات مختلفة وقدرات الذكاء الاصطناعي لتقديم خدمات تركز على المستخدم، بما في ذلك تحليل النوم وتوصيات العلاج الشخصية. كما يتناول القسم عمليات التدريب والاستدلال للذكاء الاصطناعي، مع تسليط الضوء على قدرته على التوافق مع الإرشادات السريرية وتقديم دعم تشخيصي قائم على الأدلة.
مقدمة
تسلط مقدمة ورقة البحث الضوء على العبء الكبير الذي تمثله اضطرابات النوم على الصحة العامة، والتي ترتبط بزيادة المخاطر القلبية الأيضية والعصبية النفسية، وانخفاض الإنتاجية، وارتفاع تكاليف الرعاية الصحية. تشير دراسة منظمة الصحة العالمية لعام 2021 إلى أن ما يقرب من ثلث سكان العالم يعانون من اضطرابات النوم، مع انتشار مرتفع بشكل خاص يبلغ حوالي 48.5% تم الإبلاغ عنه بين البالغين في الصين، وفقًا لاستطلاع صحة النوم في الصين لعام 2025. لا تؤثر هذه الاضطرابات فقط على جودة الحياة ولكنها مرتبطة أيضًا بزيادة خطر الإصابة بحالات مزمنة مثل الاكتئاب، والقلق، والسمنة، وأمراض القلب والأوعية الدموية، ومرض الزهايمر.
نظرًا للطبيعة غير المتجانسة لاضطرابات النوم، يدعو المؤلفون إلى نهج متعدد الوسائط لتحليل النوم يتضمن الإشارات الفسيولوجية، وبيانات السلوك، والسياق السريري. يُقترح أن تكون هذه المنهجية المتكاملة حلاً قابلاً للتوسع للكشف المبكر، والعلاج الشخصي، وزيادة الكفاءة على مستوى النظام في معالجة القضايا الصحية المتعلقة بالنوم. العواقب الاقتصادية لاضطرابات النوم كبيرة، حيث تصل خسائر الإنتاجية وتكاليف الرعاية الصحية إلى مليارات سنويًا في دول مثل الولايات المتحدة، مما يبرز الحاجة الملحة لاستراتيجيات مبتكرة لمواجهة هذه الأزمة المتزايدة في الصحة العامة.
نقاش
يسلط قسم النقاش في ورقة البحث الضوء على التأثير التحويلي للذكاء الاصطناعي (AI) على طب النوم، متجهًا بالتركيز من العلاج التفاعلي إلى إدارة الصحة الشخصية الاستباقية. يقود هذا التحول نماذج التعلم العميق المتقدمة لتحليل الإشارات الفسيولوجية والذكاء الاصطناعي المحادثاتي لتعزيز تفاعل المرضى. على الرغم من ظهور أدوات مدفوعة بالذكاء الاصطناعي، لا يزال المشهد مجزأ، مما يبرز ضرورة وجود منصات متكاملة مثل “هانغ هاو مينغ” التي يمكن أن تقدم رعاية شاملة عبر الطيف من التشخيص إلى العلاج.
يتناول القسم التقدمات التكنولوجية التي سهلت هذا التطور، وخاصة في أتمتة تحليل تخطيط النوم وتطوير نماذج الذكاء التنبؤية. تشمل الابتكارات الملحوظة SeqSleepNet لتصنيف النوم ونموذج SleepFM، الذي يتنبأ بخطر أكثر من 130 مرضًا بناءً على بيانات النوم. تناقش الورقة أيضًا النظام البيئي العالمي للمنتجات، مشيرة إلى العلاجات الرقمية الناجحة مثل Sleepio والحلول الناشئة في مناطق مثل الصين، التي تظهر تحسينات كبيرة في مقاييس النوم ولكن غالبًا ما تفتقر إلى التحقق الدقيق. يؤكد المؤلفون على الحاجة إلى منصات متكاملة ومتعددة الوسائط يمكن أن تبسط تجربة المرضى وتعزز النتائج السريرية مع الالتزام بمبادئ الثقة، والسلامة، والحوكمة في تطبيقات الذكاء الاصطناعي.
DOI: https://doi.org/10.1038/s41746-026-02432-9
PMID: https://pubmed.ncbi.nlm.nih.gov/41663720
Publication Date: 2026-02-09
Author(s): Mingjian Cai et al.
Primary Topic: Sleep and related disorders
Overview
This section presents an overview of ‘Hang Hao Meng’, an AI-driven sleep health expert agent designed for comprehensive patient management in sleep medicine. Utilizing large language models (LLMs), multimodal analytics, and a digital-human interface, the agent offers a full spectrum of services from initial screening to personalized treatment. Its deployment has successfully triaged over four million individuals and conducted more than 90,000 screenings, illustrating a scalable approach to enhancing accessibility and personalized care in the field.
The conclusion emphasizes the transformative potential of AI in sleep healthcare, shifting from traditional reactive models to proactive, home-based, multimodal care. Recent advancements in wearable technology and signal processing facilitate continuous monitoring and early identification of sleep disorders. The integration of diverse real-world data enhances diagnostic accuracy and supports the transition to remote patient monitoring systems. However, the effective implementation of AI in this domain hinges on robust clinical validation, regulatory frameworks, and transparent human-AI collaboration. The architecture of the agent comprises four layers, integrating various data sources and AI capabilities to deliver user-centric services, including sleep profiling and personalized treatment recommendations. The section also details the training and inference processes of the AI, highlighting its ability to align with clinical guidelines and provide evidence-based diagnostic support.
Introduction
The introduction of the research paper highlights the significant public health burden posed by sleep disorders, which are linked to increased cardiometabolic and neuropsychiatric risks, diminished productivity, and elevated healthcare costs. The World Health Organization’s 2021 survey indicates that nearly one-third of the global population experiences sleep disturbances, with a particularly high prevalence of approximately 48.5% reported in adults in China, as per the 2025 China Sleep Health Survey. These disturbances not only impair quality of life but are also associated with a heightened risk of chronic conditions such as depression, anxiety, obesity, cardiovascular diseases, and Alzheimer’s disease.
Given the heterogeneous nature of sleep disorders, the authors advocate for a multimodal approach to sleep analysis that incorporates physiological signals, behavioral data, and clinical context. This integrated methodology is proposed as a scalable solution for earlier detection, personalized treatment, and enhanced system-level efficiency in addressing sleep-related health issues. The economic ramifications of sleep disorders are substantial, with losses in productivity and healthcare costs amounting to billions annually in countries like the United States, emphasizing the urgent need for innovative strategies to tackle this growing public health crisis.
Discussion
The discussion section of the research paper highlights the transformative impact of artificial intelligence (AI) on sleep medicine, shifting the focus from reactive treatment to proactive, personalized health management. This shift is driven by advanced deep learning models for analyzing physiological signals and conversational AI for enhancing patient interaction. Despite the emergence of various AI-driven tools, the landscape remains fragmented, underscoring the necessity for integrated platforms like “Hang Hao Meng” that can provide comprehensive care across the continuum from diagnosis to treatment.
The section elaborates on the technological advancements that have facilitated this evolution, particularly in automating polysomnography analysis and developing predictive intelligence models. Notable innovations include the SeqSleepNet for sleep staging and the SleepFM model, which predicts the risk of over 130 diseases based on sleep data. The paper also discusses the global product ecosystem, citing successful digital therapeutics like Sleepio and emerging solutions in regions such as China, which demonstrate significant improvements in sleep metrics but often lack rigorous validation. The authors emphasize the need for integrated, multimodal platforms that can streamline the patient experience and enhance clinical outcomes while adhering to principles of trust, safety, and governance in AI applications.