睡眠診断のための皮膚電気活動信号と機械学習の利用

科学分野:

• 生物医学工学; 計算神経科学; 睡眠医学

背景:

• 機械学習（ML）およびウェアラブルデバイスの普及により、健康診断における皮膚電気活動（EDA）信号の利用が増加している。; EDAの変化は、睡眠段階や閉塞性睡眠時無呼吸（OSA）を含む睡眠呼吸障害などの睡眠側面と相関する。

研究 の 目的:

• EDA信号を用いた睡眠段階およびOSA検出のための機械学習モデルを開発すること。; 睡眠中のEDAおよびOSAに関する臨床的知識を、標準的な統計的特徴およびEDA固有の変数と統合すること。

主な方法:

• 教師あり機械学習、特に極端勾配ブースティング（XGBoost）アルゴリズム。; 標準的な統計的特徴およびEDA固有の変数に加えて、臨床的知識およびEDA固有の変数を組み込んだEDA信号を利用した。

主要な成果:

• 睡眠段階検出において、平均マクロF1スコアは57.5%（5つの睡眠段階）および66.6%（4つの睡眠段階）を達成した。; 疾患の重症度に関わらず、閉塞性睡眠時無呼吸（OSA）検出において83.7%または78.4%の精度を得た。

結論:

• 本研究結果は、睡眠健康診断におけるEDA信号検出のためのウェアラブルデバイスの可能性を支持する。; 睡眠健康評価のための終夜ポリグラフ検査（PSG）が、ウェアラブルベースのEDAモニタリングによって補完または置き換えられる可能性が示唆される。