超过5,000万的美国人正在经受睡眠障碍、以及包括帕金森和阿兹海默病等可以破坏睡眠的疾病。常规的方法来诊断和监测这些疾病,通常需要在患者身上贴上各种电极和传感器,这无疑加重了对患者睡眠的干扰。
如何能够使得对睡眠问题的诊断和研究更加容易呢?
来自MIT和马萨诸塞州总医院(Massachusetts General Hospital )的研究人员设计了一种监测睡眠阶段的新方法,而且不需要在身体上贴上各种各样的传感器。他们的设备使用了一个先进的人工智能算法来分析人体周围的无线电信号,并且将这些信号的测量翻译成睡眠的阶段:浅度、深度以及快动眼(REM)阶段。
“设想一下,如果你的Wi-Fi路由器知道你在什么时间做梦,并且可以检测你是否有足够的深度睡眠,这对于巩固记忆是非常重要的,”研究的领导者电气工程与计算机科学教授Dina Katabi表示,“我们的愿景是开发健康的传感器,能够在无形中捕获生理信号和重要的健康指标,而不需要用户以任何方式改变他们的行为。”
研究发表在了8月9日的机器学习国际会议上。
遥控传感
Katabi与她团队成员来自MIT计算机科学与人工智能实验室。
此前,她们已经开发了基于无线电的传感器,使其能够远程测量可以作为健康指标的生命体征和行为。这些传感器由无线设备组成,大小相当于一台手提电脑,能够发出低功率的无线电频率(RF)信号。当无线电波被人体反射,微小的身体移动都会使得反射的电波频率发生改变。分析这些电波可以揭示生命体征,如脉搏和呼吸频率。
“这是一个小的就像Wi-Fi一样的盒子,可以安装在家里,通过身体作用在RF信号上的标记,分析这些反射信号并且发现身体的这些改变,” Katabi解释说。
Katabi和她的学生们也使用了这个方法创造了一个传感器,称为WiGait。这款传感器可以通过无线信号测量走路的速度,这可以帮助医生预测认知减退、跌倒,某些心脏或者肺部疾病,或者其他的健康问题。
在开发了这些传感器之后,Katabi考虑到类似的方法也可以用于监测睡眠。现在常规的研究手段,是让患者一夜都呆在睡眠实验室里,并连接到诸如脑电图(EEG)等监视设备上。
“机会是非常大的,因为我们没有很好的了解睡眠,而大量的人口又存在睡眠的问题,”第一作者研究生Mingmin Zhao表示,“我们有了这项技术,如果我们可以使得它有效,可以驱动我们从一个睡眠研究需要在睡眠实验室中做几个月的世界中,变成只要在家中持续进行就可以。”
于是,为了达到这一目的,研究人员需要提出一种方式来将他们测量的数据翻译成为几个睡眠阶段的脉搏、呼吸频率以及运动,而最近先进的人工智能使得训练计算机算法成为可能。算法被称为深度神经网络,用于从复杂的数据中提取和分离信息,例如对于从研究人员传感器中获取的无线信号来说,这些信号包含了大量与睡眠不相关的信息,对算法造成了干扰。MIT的研究人员因此提出了一种基于深层神经网络的AI算法,以消除不相关信息的干扰。
“周围的环境对我们的测量引入了很多不必要的变量。新颖之处在于我们能够保有睡眠的信号,同时消除其余的,” 联合作者Tommi Jaakkola表示。他们的算法可以用于不同位置不同人员,不需要进行任何的校验。
研究人员使用了这种方法对25名健康的志愿者进行了测试。研究发现他们的技术精确度可以达到80%,与睡眠专家基于EEG测量的准确度相当。
“我们的设备允许你不但移除原本要施加于人体的传感器,而且使得实验可以以更好的方式在家中进行,并且也使得医生以及睡眠专家的工作更加便捷,”Katabi表示,“他们不必在重重的数据中进行手动标记。”
睡眠不足
其他的研究人员曾尝试使用无线信号来监测睡眠,但是这些系统只有65%的精确度并且主要定义受试者是醒着还是睡眠状态,并不能够区分他们所在的睡眠阶段。Katabi和她的同事们能够通过训练他们的算法提升对不必要的无线信号去除的能力,去除从房间内其他物体反射的无线信号,只包含睡眠的人体所反映的数据。
现在,研究人员计划使用这项技术研究帕金森疾病如何影响睡眠。
“当你想到帕金森病,你就会想到运动的障碍,但是疾病与很复杂的睡眠不足相关,关于这一点,我们目前还没有完全解读,” Katabi指出。
这种新式的传感器可以用来学习阿兹海默病所导致的睡眠改变,与睡眠障碍,例如失眠与睡眠呼吸暂停。它也有望用于研究睡眠中的癫痫发作,这在通常的研究中是很难被发现的。
在未来,这种家用的睡眠监测装置有望能够收集大量的数据,这些大数据积累对于科学家们进一步解读睡眠相关疾病的奥秘,也许有着意想不到的作用。
参考资料
[1]New AI algorithm monitors sleep with radio waves
来源:康健新视野(微信号 HealthHorizon)