麻省理工学院和麻省总医院的研究人员结合人工智能和无线电波来进行睡眠健康实验，准确率高达80%。不需要佩戴设备，就可以检测人的睡眠状况了解不同的睡眠阶段，避免更多睡眠问题的发生。

好的睡眠是健康生活的基础。睡眠不足会导致白日嗜睡和认知功能的衰退，长期的睡眠不足还会使人面临更加严重的问题，比如心脏病、高血压以及糖尿病。事实上，在现在社会，持续或者严重的睡眠问题已经是一个公众健康问题。

杜克大学的睡眠医学项目主任以及MFRM(Mattress Firm)的睡眠健康顾问Sujay Kansagra博士表示：“睡眠不足的时候，影响是很明显的。即使是在一个夜晚中断或者缩短睡眠，也会对我们的身体造成严重的破坏。而且失去的睡眠时间还会被积累，所以需要更长的睡眠时间来弥补以前失去的睡眠时间。”

现在研究人员正在寻找新的方法监测并改善睡眠习惯，包括使用人工智能技术。现在不少AI睡眠技术投入实验，但是有一项特别的突出——一个新的传感器，利用机器学习算法转化的无线电波监测睡眠，不需要佩戴任何设备。

这项技术是由麻省理工学院(MIT)和麻省总医院(Massachusetts General Hospital)的研究人员——包括工程学和计算机科学教授蒂娜·卡比(Dina Katabi)和Tommi Jaakkola，以及医院睡眠医学师马特·比安奇(Matt Bianchi)联合开发测试的，无线电波工作类似路由器发射Wi-Fi，转化成低功率的射频信号，再从人体反射回来;AI算法分析传输回来的脉搏、呼吸等因素的数据，再将结果转化为不同的睡眠阶段——浅眠、深度睡眠以及异相睡眠(快速眼球运动，是一个睡眠的阶段，眼球在此阶段时会呈现不由自主的快速移动)。

以前关于这项实验得出准确率是65%，而这个研究团队的准确率高达80%，这让人备受鼓舞;相信这个技术能够使人们更加深入地了解睡眠，并且将睡眠研究从实验室带到现实世界。麻省理工学院的研究生赵明敏说：“这个实验结果使人充满希望，因为现在大部分人都有睡眠问题，但我们却还不太了解睡眠。如果我们使这项技术发挥作用，就能够将几个月进行一次的实验室实验改成持续的家庭睡眠实验。”

那么这项技术到底是怎么工作的呢。由于之前的人工智能和无线电波的测量实验都受到了无关信息的混淆。所以为了避免这个问题，MIT/MGH实验团队提出了三个深度神经网络算法以得到想要的测量结果，并在25名健康人员中进行测试，测量了不同睡眠阶段。第一，用神经网络来图像识别以解析数据;第二，用神经网络进行时间模式测量，来计算出不同的睡眠阶段。第三，利用神经网络分析，对比实验对象的数据。

关于这项技术还会有更加广阔的使用空间，研究人员现在正在研究帕金森是如何影响睡眠的。当然，还有其他的潜在用途，像睡眠呼吸暂停、慢性失眠、睡眠中癫痫病发作以及睡眠障碍等问题的检测。除了睡眠健康领域，人工智能和无线电波还会在其他健康领域灵活使用，在不久的将来，期待我们能够获得更多的健康信息。