Для обучения алгоритма ученые использовали почти 596 тысяч часов записей сна, полученных от 53 544 человек. Модель обучали на данных, собранных в реальных домашних условиях, благодаря чему она смогла распознавать характерные изменения физиологических сигналов без применения контактных датчиков.
BCGNet автоматически определяет стадии сна, оценивает его продолжительность, эффективность и другие ключевые показатели, а также выявляет признаки синдрома обструктивного апноэ сна. По словам авторов, объединение нескольких задач в одной модели позволяет получать комплексную оценку качества сна без использования специализированного лабораторного оборудования.
В ходе испытаний система продемонстрировала высокую точность при анализе структуры сна и выявлении нарушений дыхания, сохраняя стабильную работу на данных большого числа пользователей. Авторы отмечают, что обучение на масштабной выборке позволило сделать модель более устойчивой к различиям между пациентами и условиями проведения измерений.
По мнению исследователей, технология может расширить возможности раннего выявления нарушений сна и сделать длительный мониторинг более доступным. Использование бесконтактного датчика позволяет проводить обследование в привычной домашней обстановке, что особенно важно для пациентов, которым требуется продолжительное наблюдение.
Разработчики считают, что подобные системы могут найти применение не только для диагностики расстройств сна, но и для дистанционного наблюдения за состоянием пациентов с хроническими заболеваниями. В перспективе такие решения способны стать частью экосистем домашнего мониторинга здоровья, объединяющей данные сенсоров, ИИ и цифровых медицинских сервисов.
В последние годы появляется все больше данных о том, что качество и продолжительность сна напрямую связаны с состоянием здоровья и когнитивными функциями. Так, ранее исследователи с помощью фитнес-трекеров Fitbit проанализировали 61 225 ежедневных записей о сне 76 студентов медицинского колледжа, собранных за четыре года, и установили, что более продолжительный сон устойчиво связан с более высокой академической успеваемостью. Еще одно международное исследование с участием почти 500 тысяч человек из базы UK Biobank показало, что как недостаток, так и избыток сна связаны с ускоренным биологическим старением и повышенным риском сердечно-сосудистых, метаболических, психических и других заболеваний.
