把 HRV-ECG 变成产品 · 睡眠健康筛查 demo

1既懂信号、又懂临床的人，极少

医疗 AI 招聘里有一个真相：

会写 Python、会跑模型的人很多；会处理 ECG、会算 HRV 的人少一些；但既懂信号处理、又懂临床语言、还能把它做成产品的人——极少。

这一期，就带你站到这个稀缺位置上：把生理信号能力，包装成一个睡眠健康筛查 demo。

2OSA 未诊断率 > 80%

为什么选睡眠？给你一个数据——阻塞性睡眠呼吸暂停（OSA）的未诊断率超过 80%。

绝大多数患者根本不知道自己有这个问题，直到出现高血压、心律失常、甚至心血管事件才被发现。

3HRV / ECG 是金矿

靠什么做初筛？心率变异性（HRV）和心电图（ECG）——这两样是睡眠信号里的金矿。

而且，现在的智能手表/手环/戒指，已经能采集这些信号。数据源不是问题，把它翻译成临床语言才是问题。

4STOP-BANG · 8 题初筛

光有信号不够，还要有结构化的主观初筛。临床上有现成的金标准问卷——STOP-BANG，8 个问题，2 分钟做完，对 OSA 风险的初筛准确率非常高。

把问卷和信号结合，你的 demo 才有"主观 + 客观"双重证据。

5可穿戴不是装饰，是数据源

很多人做 demo，把"接入可穿戴设备"当成炫技。错了——可穿戴不是装饰，是数据源。

关键在于：你拿到手表的 HRV、ECG 之后，做了什么？

• 有没有质控（剔除伪迹、运动段、信号缺失）？
• 有没有提取临床有意义的特征（夜间心率均值、心率变异度、心率飙升次数）？
• 有没有和问卷分数联合建模，而不是各算各的？

6三分层：低 / 中 / 高 OSA 风险

问卷 + 信号准备好之后，要给用户一个清晰的结论。最实用的就是三档风险分层——低、中、高。

每档都要写清楚：分值阈值、信号特征、建议动作。让用户知道自己处于哪一档、下一步该干嘛。

7HRV + ECG + MIMIC 能力包

你的"技术储备"要怎么说清楚？打包成一个能力包：

这三样合起来，就是"我能在真实医疗数据上做出可信结果"的硬证据。

8用 AASM 的睡眠医学官方语言

很多 demo 输出的报告，一看就是"工科生写的"——通篇指标，没有临床语境。

正确的做法：用 AASM（美国睡眠医学会）的官方语言去组织输出。

• 别叫"心率波动大"，叫"提示可疑呼吸事件相关的自主神经反应"；
• 别叫"睡得不好"，叫"深睡眠占比低于同龄参考区间"；
• 别叫"可能有病"，叫"OSA 中度风险，建议进一步评估"。

9把论文能力，变成产品

最后一公里——给用户一份看得懂、用得上、有边界的报告。这就是把"论文能力"翻译成"产品价值"。

报告四要素：风险等级 → 关键指标 → 建议下一步 → 免责声明，一个都不能少。

10下一期：一段经历，拆三版简历

实操三连到这里收尾——workflow（EP.112）+ RAG 边界（EP.113）+ 睡眠 demo（EP.114），你已经攒了三样能写进简历的硬货。

但光有经历不够，还得会包装。下一期 EP.115，我们讲——同一段经历，怎么拆成三版简历，分别投产品岗、睡眠岗、方案岗。