睡眠は脳と心身が協調して機能する複雑な生理現象です。脳波（EEG）、眼電図（EOG）、筋電図（EMG）、心電図（ECG）、呼吸といった多様な生体信号が睡眠中に同時に変化することで、睡眠の質が決定されます。しかし従来の睡眠分析用の基盤モデルは、これらの異なる生体信号を単純に統合するだけで、その背後にある生理学的な仕組みを十分に活かしていませんでした。 新たに開発されたOmni-Sleepは、この課題を解決するために設計された睡眠専門の基盤モデルです。中枢神経系（CNS）と自律神経系（ANS）という生理学的な階層構造を学習の基盤として組み込むことで、より高度な表現学習を実現しています。具体的には、三つの学習目標を組み合わせています。第一に、神経信号と心肺機能信号内での一貫性を捉える「システム内一貫性」、第二に、脳と身体のダイナミクスを模型化するための「システム間同期化」、そして第三に長期的な睡眠動態を学習する「潜在空間マスク化時間モデリング」です。 Omni-Sleepは10万時間以上の多施設多モダリティ睡眠ポリソムノグラフィデータで事前学習されており、睡眠段階の分類と複数疾患の判定タスクで評価されています。異なるデータセットやモダリティ欠損の状況下でも、従来の基盤モデルを上回る性能を発揮し、ラベル効率、データセット間の汎化能力、欠損モダリティへの耐性において優れた結果を示しています。これらの成果は、睡眠表現学習の汎化性を高める上で、生理学的階層構造がいかに重要であるかを実証しており、医療現場での睡眠診断の精度向上に貢献する可能性を秘めています。