开发了以手臂动作为基础，正确判定睡眠·觉醒状态的方法ACCEL

开发了以手臂动作为基础，正确判定睡眠·觉醒状态的方法ACCEL 1 .主讲人: 上田泰己(兼任东京大学研究生院医学系研究科功能生物学专业系统药理学领域教授/理化学研究所生命功能科学研究中心合成生物学研究小组组长)大出晃士(东京大学研究生院医学系研究科功能生物学专业系统药理学领域讲师)史萧逸(东京大学研究生院医学系研究科功能生物学专业系统药理学领域助教)香取真知子(东京大学研究生院信息理工系研究科系统信息学专业系统药理学研究室硕士2年级(研究当时) )三井健太郎(东京大学工学部计数工学系系统信息工程课程系4年级(研究当时) )高梨伸(索尼莫 手机通信股份有限公司技术战略室)大口谅(索尼移动通信股份有限公司技术战略室)青木大辅(索尼移动通信股份有限公司商品设计部门商品设计部设计3课) 2 .发布要点: ◆开发了根据从手表型可穿戴设备等得到的手臂动作，判定佩戴者是睡着还是醒着的数据分析算法“ACCEL”。 ◆根据手臂动作的跃度(加加速度)，通过使用机器学习进行分析，可以实现兼顾高灵敏度(将睡眠状态判定为睡眠的比例)和特异度(将觉醒状态判定为觉醒的比例)的正确的睡眠觉醒判定。 ◆特别是通过达到比现有手法更高的睡眠判定特异度，可以更准确地判定暂时的觉醒。 睡眠中短暂的觉醒增加，意味着夜间难以集中睡眠，有望对掌握这种与睡眠“质量”下降相关的健康状况变化有所帮助。 3 .发布概述: 东京大学研究生院医学系研究科的上田泰己教授等人的研究小组发表了一种方法，根据可以使用手表型可穿戴设备等测量的手臂动作的信息，正确判定该人是睡着了还是醒着。 加速-基本 这个命名为class ification and estimation of long-term sleep–wake cycles的简称)的方法，同时进行使用加速度计的手臂运动的测量和用于了解睡眠觉醒状态的PSG测量(注1 )，得到的演示 使用ACCEL进行睡眠清醒判定时，仅使用表示在可穿戴设备上测量的手臂运动的加速度变化的跃度(注2 ) (是加速度的微分值，也称为加加速度)。 使用ACCEL的睡眠判断精度达到了90%以上的高灵敏度和80%以上的高特异度(注3 )。 虽然现有的方法大多存在睡眠判断特异性不高的问题，但ACCEL尤其是在此被期待为解决以下问题的新方法。 4 .发布内容: 近年来，使用可穿戴设备获取人的行为数据非常盛行，并被运用于各种健康管理中。 许多研究表明，睡眠-觉醒节奏紊乱可能导致各种疾病，也可能成为早期发现身心不适的指标，因此指出记录每日睡眠-觉醒节奏的重要性。为了正确测量睡眠·觉醒，需要进行被称为PSG测量的脑电图等测量。 但是为了测量PSG，需要安装很多电极等，不适合掌握日常生活的睡眠状态(图1A )。 另一方面，手表型可穿戴设备相对容易一天内持续佩戴。 因此，人们进行了很多尝试，利用从大部分手表型可穿戴设备上搭载的加速度计得到的信息，根据手臂的运动来判定睡眠状态和清醒状态。 但是，迄今为止的很多方法，关于睡眠状态的判定，存在特异度不高的问题。 因此，研究小组开发了兼顾高灵敏度和特异度的睡眠判断算法。 首先，制作了用于持续记录加速度计获取的原始数据的简单的手表型可穿戴设备(图1B )。 接下来，请受试者同时安装制作的可穿戴设备和PSG测量设备，在睡眠测量室度过一整晚。 据此，测量了测量中各时间手臂的加速度，同时使用PSG测量的结果，分别测量了各时间受试者是睡眠状态还是清醒状态(图2 )。 接下来，研究小组探索了使用机器学习，仅根据手臂的加速度数据，获得与基于PSG测量的判定尽可能一致的睡眠和觉醒判定的方法。 研究了各种数据处理和机器学习的方法后，发现使用从可穿戴设备得到的三轴加速度的微分值，即跃度，再使用被称为XGBoost (注4 )的机器学习的方法，能够进行正确的睡眠觉醒的判定(图3 ) 研究小组将开发的睡眠判断算法命名为ACCEL。 关于睡眠判断的灵敏度，ACCEL显示了90%以上的高值，进而关于迄今为止的方法中存在的睡眠判断的特异度，显示了80%以上的高值。 由此可以说，ACCEL不仅在处于睡眠状态时可以高概率地判定为睡眠，而且还可以高概率地判定为觉醒状态。 此外，如果仔细观察跃度数据，发现在以睡眠状态为代表的手臂动作较少时，会检测到1 Hz左右的周期性跃度变动。 与通过PSG测量获取的生物信号进行比较，发现该周期性跃度的变动与脉搏波(注5 )非常一致(图4 )。 以人为首的哺乳动物的睡眠大致分为占睡眠时间大多数的非快速眼动睡眠和具有接近清醒特征的快速眼动睡眠。 已知脉搏波在快速眼动睡眠时比非快速眼动睡眠时表现出更大的变动，但关于这次观察到的周期性跃度，我们发现与非快速眼动睡眠时相比，在快速眼动睡眠时其周期性也有很大的变化。 目前，ACCEL还没有被开发为准确区分非快速眼动睡眠和快速眼动睡眠的方法，但使用跃度的分析在区分两种睡眠状态方面可能也有用。 期待本研究开发的ACCEL能够更准确地掌握使用可穿戴设备的睡眠习惯。 特别是，能够将清醒状态判定为正确清醒，对于正确检测睡眠中暂时清醒的中途清醒非常重要。 中途醒来的增加，即睡眠变浅，睡眠中多次醒来的状态，是睡眠障碍之一，即使睡眠时间没有大的变化，也有可能导致各种身心失调。因此，能够更准确地捕捉中途清醒的ACCEL，有望掌握睡眠的“质量下降”，并对更有效的睡眠健康管理做出贡献，而这并不一定与总睡眠时间的变化相关。 此外，本研究作为索尼移动通信株式会社与东京大学研究生院医学系研究科系统斯药理学领域的共同研究、以及科学技术振兴机构( JST ) ERATO“上田生物时间项目”等的一环进行。 5 .发表杂志: 杂志名称: iScience 论文标题: a jerk-based algorithm Accel for the accurate class ification of sleep–wake States from arm acceleration 作者: Koji L. Ode，Shoi Shi，Machiko Katori，Kentaro Mitsui，Shin Takanashi，RyoOguchi，Daisuke Aoki，and Hiroki R. Ueda DOI编号: https:///10.1016/j.isci.2021.103727 6 .咨询处: 东京大学研究生院医学系研究科功能生物学专业系统药理学领域教授上田泰己 TEL:[phone] 电子邮件: uedah-tky [ at ] umin.AC.jp <新闻负责人> 科学技术振兴机构宣传科 tel:[phone]传真: [phone] 电子邮件: jst koho [ at ] jst.go.jp <关于JST事业的事> 科学技术振兴机构研究项目推进部ICT/创新集团内田信裕 tel:[phone]传真: [phone] 电子邮件: erato www [ at ] jst.go.jp 7 .术语解释: (注1 ) PSG测量:聚合法( polysomnography )简称PSG。 在PSG测量中，除了头戴用于测量脑电图的多个电极之外，还戴有多个电极传感器，如肌肉紧张情况、用于测量眼睛活动的电极、用于监测呼吸状态的传感器、心电图等。 PSG现在被用作了解我们人睡眠状态的最准确的测量方法。 (注2 )跃度:对加速度进行微分，表示某一瞬间加速度的变化率。 也称为加加速度。 另外，对速度进行微分后的是加速度。 (注3 )特异度(和灵敏度) :判断正误时，将判断正确答案的比例称为该判断的灵敏度( sensitivity )，将判断错误的比例称为特异度( specificity )。 在本发表中，作为判定睡眠的方法统一了表述。 也就是说，将睡眠状态判定为睡眠的比例称为灵敏度，将觉醒状态判定为觉醒的比例称为特异度。 (注4 ) XGBoost :是用于进行将数据集团应用于某个函数或分类为多个状态的课题的机器学习方法之一。 (注5 )脉搏波:血液从心脏挤出，血管的压力或容积发生变化。 这种血管内压力容积随时间的变化称为脉搏波。 8 .附件:

图1测量中使用的机器 a )安装用于PSG测量的多个电极传感器的情况的示例。 b )可穿戴设备，带有用于测量手臂运动的加速度。

图2测量数据的一例 显示手臂运动的3轴加速度、跃度，以及根据同时进行的PSG测量判断的睡眠状态。 另外，加速度和跃度表示每30秒的测定合计值。