仅使用果手表的惯性测量单元信号来检测睡眠呼吸暂停:采用机器学习方法的试点研究
Junichiro Hayano1, Mine Adachi2, Yutaka Murakami3
1Department of Research and Development, Heart Beat Science Lab Inc., Nagoya, Japan. hayano@acm.org.
Sleep & breathing = Schlaf & Atmung
|February 1, 2025
概括
这项研究开发了一种使用Apple Watch数据检测睡眠呼吸暂停的方法,在识别呼吸事件方面显示出高准确性,并且与呼吸暂停-呼吸暂停指数有很好的相关性. 这为睡眠呼吸暂停查提供了一种有希望的,可访问的方法.
科学领域:
- 生物医学工程 生物医学工程
- 可穿戴技术可穿戴技术
- 睡眠医学 睡眠医学
背景情况:
- 超过80%的睡眠呼吸暂停病例仍未被诊断出来,尽管人们意识到这一点.
- 可访问的查方法对于早期发现和治疗睡眠呼吸暂停至关重要.
研究的目的:
- 通过使用Apple Watch惯性测量单元 (IMU) 的数据来检测睡眠呼吸暂停的新方法.
- 评估机器学习模型在识别可穿戴传感器数据的呼吸事件中的有效性.
主要方法:
- 开发了一种算法,从IMU数据中提取地震心脏和呼吸信号.
- 机器学习分类器被训练和验证的数据来自61名成年人接受了多睡眠学.
- 分析包括呼吸和心率变化,呼吸减速和身体运动.
主要成果:
- 随机森林分类器在呼吸事件检测测试数据中获得了0.831的AUC和0.602的F1得分.
- 每个个体的预测与多睡眠学衍生的呼吸暂停-呼吸暂停指数 (AHI) (r=0.93) 有很强的相关性.
- 该模型显示100%的灵敏度和90%的特异性,用于识别AHI≥15的受试者.
结论:
- 基于Apple Watch IMU的方法显示,有可能显著改善睡眠呼吸暂停查的可访问性.
- 低功耗要求和智能手表的广泛可用性使其成为可行的选工具.
