睡眠相关研究最新进展（2026年7月第一期）
2026年，睡眠医学正从传统的疾病诊疗模式向精准化、数字化和全生命周期管理快速发展。最新研究表明，慢性失眠治疗更加重视以认知行为治疗（CBT-I）为核心，并根据患者病情采用药物联合CBT-I等个体化治疗策略；数字化认知行为治疗（dCBT-I）在多项随机对照研究和系统评价中证实能够有效改善睡眠质量，并提高治疗可及性和长期依从性。
与此同时，阻塞性睡眠呼吸暂停（OSA）的研究重点已由单纯关注呼吸暂停低通气指数（AHI），逐步转向连续睡眠监测、心血管风险分层及精准干预，多夜睡眠监测、居家睡眠检测及人工智能辅助分析等新技术不断推动OSA早期筛查和个体化管理。人工智能、可穿戴设备及数字健康平台也广泛应用于睡眠监测、睡眠风险评估和远程随访，但临床专家同时强调，应避免过度依赖消费级睡眠评分，而应结合专业医学评估进行综合判断。
总体来看，2026年全球睡眠医学的发展趋势已从“改善睡眠”进一步拓展到“促进整体健康”，睡眠健康被认为是影响心血管疾病、糖尿病、肥胖、抑郁及认知功能等慢性疾病的重要因素。未来，数字疗法、人工智能辅助诊疗、远程医疗及精准睡眠管理有望成为睡眠医学临床实践的重要方向，推动睡眠疾病防治向更加智能、高效和个体化的模式发展。
① SLEEP（APSS 2026）：白天过度嗜睡联合入睡困难显著增加高血压风险
Excessive Daytime Sleepiness and Prevalent and Incident Hypertension: The Modifying Effect of Objective Sleep Disturbance
据美国睡眠医学会（AASM）SLEEP 2026年会公布的一项研究，宾夕法尼亚州立大学（Penn State College of Medicine）研究团队基于 Penn State Adult Cohort 队列，评估了白天过度嗜睡（Excessive Daytime Sleepiness，EDS）**与客观睡眠障碍对高血压发生风险的影响。研究共纳入 1,741 名成年人，其中786名无高血压受试者平均随访约7.5年，所有参与者均接受整夜多导睡眠监测（PSG），并结合自报白天嗜睡情况分析高血压发生风险。
研究结果显示，与无明显嗜睡者相比，存在白天过度嗜睡的人群现患高血压风险增加52%，未来发生高血压风险增加74%。进一步分析发现，当白天过度嗜睡合并客观入睡潜伏期≥30分钟时，高血压风险进一步显著增加：现患高血压风险超过2倍，新发高血压风险超过3倍，而单独存在嗜睡或单独存在入睡延迟均未观察到如此明显的风险升高。研究提示，白天功能受损与夜间睡眠质量下降共同构成心血管疾病高危表型，应引起临床重视。
📊 结果与意义
长期以来，睡眠时长一直被认为是评估睡眠健康的重要指标，但本项研究提示，白天过度嗜睡比单纯睡眠时间更能反映未来心血管风险。尤其对于同时存在入睡困难的人群，应尽早开展睡眠障碍筛查及干预。研究进一步支持在高血压及心血管疾病管理中，将Epworth嗜睡量表（ESS）、多导睡眠监测（PSG）及睡眠质量评估纳入常规临床管理，为睡眠医学与心血管疾病的精准防治提供了新的循证依据。
原文：SLEEP 2026 年会摘要
② Nature Medicine：AI睡眠基础模型可精准预测100余种疾病风险
SleepFM: A Foundation Model for Generalizable Sleep Analysis and Health Prediction
据《Nature Medicine》发表的一项原创研究，美国研究团队开发了全球首个大规模睡眠基础模型（SleepFM），利用数十万例多导睡眠监测（Polysomnography，PSG）数据训练人工智能模型，实现睡眠信号的统一学习与健康风险预测。研究整合脑电图（EEG）、眼动图（EOG）、肌电图（EMG）、心电图（ECG）、呼吸及血氧等多模态睡眠数据，并在多个独立外部队列进行验证，评估其在睡眠分期、睡眠障碍识别及全身疾病预测中的表现。
研究结果显示，SleepFM不仅能够高精度完成睡眠分期和睡眠呼吸障碍识别，还可预测心血管疾病、代谢疾病、神经退行性疾病、精神疾病等100余种健康结局，其预测性能明显优于传统针对单一疾病建立的AI模型。同时，该模型具有良好的跨医院、跨设备泛化能力，为家庭睡眠监测及精准健康管理提供了新的技术路径。
📊 结果与意义
传统多导睡眠监测主要用于诊断睡眠疾病，而SleepFM首次将PSG提升为全身健康预测工具。研究表明，一晚睡眠数据即可蕴含丰富的生理信息，可用于慢病风险筛查和长期健康管理。未来，睡眠AI基础模型有望广泛应用于家庭睡眠监测、数字医疗及精准医学，推动睡眠医学由“疾病诊断”向“健康预测”转变。
DOI： 10.1038/s41591-025-04133-4
③ SLEEP 2026：GLP-1受体激动剂成为阻塞性睡眠呼吸暂停（OSA）治疗新热点
GLP-1 Receptor Agonists for Obstructive Sleep Apnea: Emerging Evidence From SLEEP 2026
据**SLEEP 2026（美国睡眠医学会/APSS年会）**最新发布的多项原创研究和专题报告，**GLP-1受体激动剂（GLP-1 Receptor Agonists）**已成为阻塞性睡眠呼吸暂停（Obstructive Sleep Apnea，OSA）治疗领域最受关注的新方向。研究围绕司美格鲁肽（Semaglutide）、替尔泊肽（Tirzepatide）等药物，评估其对OSA患者睡眠呼吸事件指数（AHI）、体重、代谢指标及心血管风险的改善作用。
研究结果显示，GLP-1受体激动剂在显著降低体重的同时，可明显改善OSA严重程度，降低AHI，提高夜间血氧饱和度，并改善白天嗜睡及生活质量。越来越多研究认为，其获益不仅来源于减重，还可能与降低全身炎症、改善上气道稳定性及优化代谢功能等机制有关，为OSA综合治疗提供了新的思路。
📊 结果与意义
长期以来，持续气道正压通气（CPAP）一直是OSA标准治疗方式，而GLP-1药物的快速发展正在推动OSA进入**“CPAP+体重管理+代谢治疗的新阶段。对于合并肥胖、糖尿病或代谢综合征的OSA患者，GLP-1受体激动剂有望成为重要辅助治疗策略，也为未来睡眠医学与代谢医学的深度融合提供了新的循证依据。
原文：SLEEP 2026大会最新研究及专题报告
④ Nature Communications：睡眠不足后的“补觉反弹”与更低死亡风险相关
Acute Sleep Rebound Following Sleep Restriction Is Associated With Reduced Mortality Risk
据《Nature Communications》发表的一项大型前瞻性队列研究，研究团队基于UK Biobank 85,618名成年人及NHANES独立验证队列，利用连续佩戴加速度计客观记录睡眠模式，探讨睡眠限制后的**急性睡眠反弹（Sleep Rebound）**是否影响长期健康结局。研究共分析超过57万个人夜（person-nights）睡眠数据，并中位随访约8年，重点评估睡眠限制、补觉行为与全因死亡风险之间的关系。
研究结果显示，与长期睡眠不足且未出现明显补觉反弹的人群相比，睡眠不足后能够及时增加睡眠时间（Sleep Rebound）的人群，全因死亡风险显著降低。这种保护作用在平时睡眠时间较短的人群中更为明显，而长期睡眠不足且缺乏补偿性睡眠者死亡风险最高。研究提示，人体具有一定的睡眠稳态调节能力，短期补觉可能部分抵消睡眠不足带来的健康损害，但无法完全替代规律、充足的日常睡眠。
📊 结果与意义
长期以来，“周末补觉是否有用”一直存在争议。本项研究首次利用大规模客观睡眠监测数据证实，适度的补觉反弹与较低死亡风险相关，提示人体具有一定的睡眠恢复能力。然而，研究同时强调，补觉只是对睡眠不足的有限补偿，并不能完全逆转长期睡眠剥夺带来的代谢及心血管损伤。对于长期熬夜或轮班工作者而言，建立规律睡眠习惯仍是维护健康的最佳策略。
DOI： 10.1038/s41467-026-72461-1
⑤ arXiv（睡眠AI）：Omni-Sleep睡眠基础模型推动多模态睡眠智能分析
Omni-Sleep: A Sleep Foundation Model via Hierarchical Contrastive Learning of CNS–ANS Dynamics
据最新发表于arXiv的原创研究，研究团队提出新一代睡眠基础模型Omni-Sleep，基于超过**10万小时、多中心多导睡眠监测（PSG）数据进行预训练，创新性地以中枢神经系统（CNS）—自主神经系统（ANS）**生理结构作为模型先验，同时整合脑电图（EEG）、眼动图（EOG）、肌电图（EMG）、心电图（ECG）及呼吸等多模态信号，构建具有更强泛化能力的睡眠人工智能模型。
研究结果显示，与现有睡眠基础模型相比，Omni-Sleep在睡眠分期、睡眠疾病分类、多疾病预测等多个任务中均表现出更高准确率，并在跨医院、跨设备以及部分信号缺失情况下依然保持稳定性能。此外，该模型对少样本学习及外部数据集具有更好的泛化能力，为未来家庭睡眠监测和智能睡眠诊断奠定了基础。
📊 结果与意义
随着SleepFM、Omni-Sleep等睡眠基础模型不断发展，睡眠医学正进入Foundation Model（基础模型）时代。未来，AI不仅能够自动完成睡眠分期和睡眠呼吸障碍筛查，还有望实现慢病风险预测、个体化睡眠评估及智能辅助诊疗，为数字睡眠医学和精准健康管理提供新的技术支撑。
原文：https://arxiv.org/abs/2607.07720
⑥ JAMA Network Open：失眠治疗应更加关注白天功能恢复，而不仅是改善夜间睡眠
Improving Sleep Isn't Enough: Researchers Highlight Daytime Function as Key to Assessing Insomnia Treatments
据《JAMA Network Open》发表的一项研究，美国马里兰大学医学院（University of Maryland School of Medicine）研究团队系统评估了**慢性失眠（Chronic Insomnia）临床试验中疗效评价指标的应用现状。研究分析了近年来大量随机对照试验（RCT），重点比较传统夜间睡眠指标（如总睡眠时间、入睡潜伏期、夜间觉醒次数）与白天功能（Daytime Function）**相关指标在治疗效果评估中的价值，探讨如何更全面地反映患者获益。
研究结果显示，目前绝大多数失眠临床研究仍主要关注夜间睡眠改善，而对白天疲劳、警觉性、认知能力、工作效率、情绪状态及生活质量等患者最关心的结局关注不足。研究认为，即使患者睡眠时间延长，如果白天功能没有恢复，治疗效果仍然有限。因此，研究建议未来失眠药物、认知行为治疗（CBT-I）、数字疗法（DTx）等临床试验，应将白天功能改善作为核心疗效终点之一，以更加全面评价治疗价值。
📊 结果与意义
长期以来，失眠治疗主要以改善夜间睡眠为目标，但越来越多证据表明，患者真正关心的是白天是否更有精神、工作效率是否提高、情绪是否改善。本项研究推动失眠疗效评价从“改善睡眠”向“恢复24小时功能”转变，为未来失眠新药研发、数字疗法评价及临床指南更新提供了重要依据，也体现了现代睡眠医学更加注重患者真实获益（Patient-Centered Outcomes）的发展趋势。
DOI： 10.1001/jamanetworkopen.2025.50186
