一款将消费级Apple Watch转化为高度复杂睡眠阶段监测工具的应用程序，由马萨诸塞大学阿默斯特分校的Joyita Dutta教授领导的研究团队开发。研究人员表示，该应用程序及其相应的AI代码是现有昂贵且复杂的睡眠研究设备和协议的便捷有效替代方案。
"我们的目标是尽可能利用非专业消费可穿戴设备，即Apple Watch，"Dutta说道，她是丹尼尔·J·里乔工程学院的生物医学工程教授，也是发表在《IEEE生物医学工程汇刊》上这项研究的高级作者。她设想研究人员可以使用此应用程序在家中监测睡眠障碍患者，无需进行昂贵的实验室睡眠研究。
Dutta专门为她关于睡眠中断与阿尔茨海默病发展之间联系的研究设计了这款应用程序。
目前，睡眠研究的金标准是通过实验室评估，这些评估复杂、昂贵，并需要专家进行手动数据分析。即使是家庭评估也可能很复杂，要求参与者戴着头部电极睡觉。
由于成本、复杂性和不适感，大多数睡眠研究的持续时间只有一晚，这意味着研究人员无法从随时间推移的多次会话中分析数据的好处。Dutta还指出，对于她正在进行的阿尔茨海默病研究，现有监测技术无法捕捉小睡的睡眠数据，而小睡大多是计划外的。相比之下，智能手表的广泛可用性和全天候佩戴性使它们特别适合研究所有形式的睡眠。
考虑到这一点，Dutta和她的团队创建了软件，将广泛可用的Apple Watch转变为强大的睡眠阶段监测技术。这款名为BIDSleep的应用程序收集即时心率数据，因为这一指标会根据睡眠阶段而变化。在深度睡眠期间心率较慢，在快速眼动（REM）睡眠等更活跃的时期心率较高。
这些数据输入到研究人员的新AI模型中，该模型可供其他研究人员使用。
平均而言，他们的模型有71%的时间准确识别出正确的睡眠阶段，超过了睡眠研究社区使用的其他知名方法。Dutta还指出，他们的模型在识别深度睡眠方面更为准确，这一点很重要，因为随着年龄增长，深度睡眠的下降比总睡眠时间的下降更为明显。
"总体准确性很重要，但有时我们还需要关注睡眠效率和睡眠潜伏期、总睡眠时间等临床指标，"Dutta实验室的博士后研究员、该论文的第一作者Song Tzu-An补充道。在这些指标上的准确性为进一步了解该应用程序预测临床重要睡眠参数的有效性提供了见解。
"我们的方法在基本上所有这些指标上表现都更好，"他说道。使用BIDSleep收集的数据的AI模型产生的结果与其他建模方法相比，最接近基于脑电图（EEG）的睡眠阶段监测的金标准。
Dutta指出，他们没有将他们的技术与Apple Watch的原生睡眠阶段监测功能进行比较，因为该功能在他们研究时不可用。他们计划在未来进行全面的对比。她乐观地认为，他们的应用程序会更准确，因为它提供更丰富的数据，以比Apple Health内置功能更密集的速率收集心率信息。
"最终，我们希望研究人员和临床医生使用这款应用程序，这就是为什么我们以一种可以轻松导出数据并获取多晚信息的方式创建它，"Dutta说道。
【全文结束】
