AI正在快速进入睡眠与呼吸医疗。

　　“AI呼吸机”“AI睡眠报告”“医疗大模型”“AI健康顾问”……越来越多新的技术和产品形态正在出现。

　　这是一个值得期待的趋势。睡眠与呼吸天然高度数据化：气流、压力、漏气、呼吸事件、血氧、依从性，以及长期治疗趋势，都为人工智能提供了丰富的应用场景。

　　但当越来越多产品开始冠以“AI”之名，我们更愿意把问题往前推进一步：

　　评价一项睡眠呼吸AI能力的标准，究竟应该是什么?

　　不是产品名称里有没有“AI”，也不只是接入了什么大模型，而是AI在治疗和管理链条中具体做了什么、依据什么数据、如何被验证，以及最终有没有帮助患者获得更好的长期治疗。

　　今天的大语言模型已经可以解释PAP治疗报告，也能够帮助患者理解AHI、漏气、压力、依从性等基础信息。这些能力具有明确的辅助价值。

　　但“会解释报告”和“能够完成医疗判断”不是一回事。

　　2025年，美国睡眠医学学会(AASM)更新人工智能在睡眠医学中的立场声明，强调AI进入临床需要重视临床验证、部署后的持续准确性、安全性、适当性、透明度、数据隐私、公平性以及医疗法律责任，并强调AI应增强临床专业人员的能力，而不是取代专业监督。

　　因此，大模型可以帮助解释，AI可以帮助发现异常，算法可以帮助提高效率;但当功能进一步涉及诊断、治疗决策、参数调整和复杂疾病判断时，所需要的验证、风险控制与专业责任也会完全不同。

　　AI是一种能力，不是一个标签;医疗AI的价值，必须与它承担的任务相匹配。

　　中国对于人工智能医疗器械已经建立相应的技术审评框架。国家药监局医疗器械技术审评中心发布的《人工智能医疗器械注册审查指导原则》，关注预期用途、使用场景、核心功能、算法特性、数据质量和风险等要素，并强调安全性与有效性评价。

　　对于一项医疗AI能力，我们至少应该继续追问：

　　• AI具体解决什么问题?

　　• 依据什么数据?数据是否具有代表性?

　　• 算法如何验证?换一个患者、中心或环境，表现是否仍然稳定?

　　• AI是否真正改善了治疗、服务或长期管理?

　　• 功能与宣传是否符合注册和临床使用要求?

　　这些问题并不是为了限制创新，恰恰相反，它们让真正有医疗价值的创新能够被看见、被比较，也能够被长期信任。

　　PAP设备每天都会产生大量治疗数据。过去，这些数据更多用于事后查看;而AI带来的一个重要机会，是帮助我们更早识别治疗过程中正在发生的问题。

　　AASM早期关于AI与睡眠医学的讨论就提出：AI可以利用PAP数据识别依从性下降、面罩适配等问题，并触发相应干预。近年来的研究进一步把这一方向推进到依从性轨迹识别、长期依从性预测、数字化监测和个体化干预。

　　这意味着患者治疗早期的数据中，可能已经隐藏着未来治疗困难的信号。如果能够更早发现，就有机会更早介入。

　　AI的价值由此不再只是“读懂一张报告”，而是开始进入真实的长期患者管理。

　　我们更愿意用四个连续层级理解睡眠呼吸AI的价值。

　　第一层：看懂呼吸

　　从气流、压力、漏气及其他生理信号中识别患者发生了什么：阻塞、低通气、中枢性事件、漏气，还是通气状态发生持续变化。这是设备和算法的基础能力。

　　第二层：看懂治疗

　　不只是展示AHI、压力和使用时间，而是进一步理解依从性为什么下降、残余事件为什么升高、漏气是否影响治疗、治疗状态是否正在发生变化。

　　第三层：推动行动

　　如果系统发现连续多日使用不足、漏气持续升高或残余事件异常，价值不应止步于生成一句“建议关注”。更重要的是把问题进一步转化为风险判断、随访任务、主动服务和必要的专业人员介入。

　　第四层：验证疗效

　　干预以后，再次读取治疗数据：使用时间有没有增加?漏气有没有下降?残余事件有没有改善?患者体验有没有变化?只有知道“干预以后发生了什么”，管理闭环才真正完成。

　　和普乐较早提出“5D数字化呼吸支持生态系统”。这里的“D”代表Digital(数字化)，其核心并不是增加一个技术名词，而是希望把睡眠与呼吸治疗从一次设备交付，延伸到连续、可追踪的数字化管理过程。

　　5D所连接的是五个关键环节：

　　筛查诊断 → 呼吸治疗 → 疗效评估 → 服务随访 → 长期管理

　　在这一体系中，设备、数据、AI与服务正在被持续连接，形成面向院外患者的数字化长期管理闭环。

　　• 设备持续产生真实治疗数据;

　　• iHypnusCare智慧健康云平台形成长期治疗轨迹;

　　• AI分析依从性、呼吸事件、漏气、压力、通气等治疗数据;

　　• AI健康顾问帮助患者理解治疗报告、解决基础使用问题;

　　• CRM健康管理系统支持任务生成、协同随访和异常升级;

　　• 复杂问题进入专业人员审核和处置;

　　• 干预以后，再利用新的治疗数据进行持续追踪和效果评价。

　　这才构成真正的闭环。

　　这并不是让机器“更像医生”，而是通过设备 × 数据 × AI × 服务，把过去高度依赖人工、难以持续和规模化完成的院外患者管理，逐步转化为更加主动、连续、可追踪、可评价的数字化长期管理。

　　未来睡眠呼吸领域的竞争，可能会逐渐从“谁有AI功能”，走向“谁拥有高质量的长期数据”;从“谁能生成AI报告”，走向“谁能够真正发现问题并推动行动”;最终走向“谁能够用真实结果证明患者获得了更好的长期治疗”。

　　所以，与其争论什么才叫“AI呼吸机”，不如持续回答：

　　• AI有没有让问题更早被发现?

　　• 有没有帮助治疗更加个体化?

　　• 有没有让服务更加及时?

　　• 有没有让长期管理真正发生?

　　• 最终，有没有帮助患者获得更好的治疗结果?

　　AI的价值，不只是把数据变成文字，而是把数据变成行动，再把行动变成疗效。

Hypnus 和普乐

设备 × 数据 × AI × 服务

让一次设备交付

成为长期睡眠与呼吸健康管理的开始

参考来源：

1.AASM 2025 人工智能在睡眠医学中的更新立场声明

2.国家药监局医疗器械技术审评中心《人工智能医疗器械注册审查指导原则》