SleepVLM：基于视觉语言模型与AASM规则的可解释睡眠分期

SleepVLM：用视觉语言模型“看懂”睡眠波，分期结果还能解释为什么

日前，学术预印本平台arXiv上出现了一项名为SleepVLM的研究——它把多通道多导睡眠图（PSG）波形图像丢给视觉语言模型（VLM），结合美国睡眠医学会（AASM）的评分规则，自动给出睡眠分期，同时生成临床医生能看懂的推理理由。在保留测试集上，SleepVLM的Cohen's kappa系数达到0.767，这算是挺高的临床一致性了。

睡眠分期为什么需要“可解释”？

传统自动睡眠分期虽然准确率能赶上专家，但最大的痛点在于它“只给结果，不给理由”——医生拿到一个“N2期”的标签，没法知道模型到底看了哪段脑电波、哪段眼动图才下的判断。SleepVLM的做法很直接：先通过波形感知预训练让模型学会读PSG波形的“形状语言”，再用AASM官方规则做监督微调。这样一来，模型输出的分期结果背后就附了一段文字说明，比如“出现了K复合波和纺锤波，符合N2期定义”。这不就让人踏实了吗？

模型是怎么做到的？

• 输入方式：把多通道PSG信号（脑电、眼电、肌电等）直接做成波形图像，而不是用传统的时序数值。
• 预训练阶段：让模型从大量未标注的PSG波形中自学波形的纹理、形态特征，这叫“波形感知预训练”。
• 微调阶段：用AASM分期规则引导模型把波形特征映射到具体分期，同时学习生成解释性文本。

效果算好吗？

0.767的Cohen's kappa值意味着模型与专家金标准的一致性达到了“substantial”水平（通常0.6-0.8为显著一致）。而且因为模型输出的解释是直接基于AASM规则的，医生可以逐条核对——这其实把“黑箱”变成了“玻璃箱”。

未来能用在哪儿？

睡眠障碍的临床诊断极为依赖手动分期，耗时耗力。SleepVLM这种“分期+解释”二合一的方案，既能减轻医生工作量，又能保留可审计的推理链条。后续如果能集成到多导睡眠监测设备里，那咱们离“AI辅助诊断”就更近一步了。

至于模型的具体训练数据量、是否开源等细节，论文摘要里没提，但光是“可解释”这一条，就已经戳中临床落地的核心痛点了。