Un sensor en el colchón que lee la respiración puede diferenciar el sueño REM del NREM
Lead. Un sensor colocado debajo del colchón, sin necesidad de cables, correas ni contacto con la persona que duerme, puede distinguir el sueño REM del NREM con una precisión de aproximadamente 84%, según un nuevo estudio publicado en Frontiers in Digital Health. La investigación, liderada por Shaonan Wang y sus colegas, presenta un método que combina la detección de movimientos corporales con una medida sofisticada de la estabilidad del patrón respiratorio para mejorar la tarea notoriamente difícil de la clasificación del sueño sin contacto.
Lo que encontraron
Los investigadores probaron su enfoque en 85 adultos que se sometieron a registros simultáneos con un equipo clínico de polisomnografía (PSG) y una tira comercial de sensor piezoeléctrico debajo del colchón. Los sensores piezoeléctricos convierten la presión mecánica, en este caso la fuerza de la respiración y los movimientos corporales transmitidos a través del colchón, en señales eléctricas. Después de excluir los épocas de vigilia, el equipo clasificó cada época de 30 segundos como sueño REM o NREM.
El clasificador XGBoost alcanzó una precisión promedio de 84.39% (más o menos 12.76 puntos porcentuales entre sujetos) con un Kappa de Cohen de 0.524, lo que indica un acuerdo moderado más allá del azar. El sueño REM resultó más difícil de identificar que el NREM: la precisión REM fue de 0.600, la exhaustividad REM de 0.735 y la puntuación F1 REM de 0.603.
La innovación clave fue agregar una característica basada en la Distancia de Edición de Deformación Temporal (TWED), un método que cuantifica la similitud entre secuencias de intervalos respiratorios. Al medir qué tan estable o variable es el patrón de respiración de una persona en diferentes escalas de tiempo, las características basadas en TWED mejoraron tanto el Kappa como la puntuación F1 REM en comparación con el uso exclusivo de características convencionales de movimiento corporal y variabilidad respiratoria. En otras palabras, la respiración característicamente irregular del sueño REM proporciona una señal útil que las métricas convencionales pasan por alto.
La frecuencia respiratoria derivada del sensor piezoeléctrico también mostró una buena concordancia con la señal de flujo de aire de una cánula nasal (la referencia PSG), lo que valida que la configuración debajo del colchón captura datos respiratorios clínicamente significativos.
Por qué es importante
La polisomnografía sigue siendo el estándar de oro para la clasificación del sueño, pero es costosa, requiere una estadía nocturna en un laboratorio del sueño e implica una maraña de cables, electrodos y sensores colocados en la cabeza, la cara, el pecho y las piernas. Esta carga limita su uso para monitoreo repetido o longitudinal.
El monitoreo del sueño sin contacto es atractivo precisamente porque elimina esa carga. Una tira debajo del colchón recopila datos de forma pasiva, noche tras noche, sin ningún esfuerzo por parte de la persona que duerme. El desafío ha sido que sin electroencefalografía (EEG), los registros de ondas cerebrales que definen las etapas del sueño, distinguir el REM del NREM es mucho más difícil. Las dos etapas difieren sutilmente en sus firmas respiratorias y de movimiento, y los intentos anteriores de discriminación REM/NREM sin contacto han tenido dificultades con la confiabilidad.
Este estudio se suma a la evidencia de que el análisis de la respiración, especialmente las medidas de estabilidad respiratoria, puede servir como un proxy viable para las distinciones de etapas del sueño basadas en EEG que proporciona la PSG clínica. Si estos métodos continúan mejorando, el monitoreo del sueño en el hogar podría volverse práctico para el seguimiento de trastornos del sueño, la monitorización de la respuesta al tratamiento y la detección de cambios longitudinales, todo sin el costo y las molestias de las visitas repetidas al laboratorio.
Limitaciones
Varias limitaciones matizan los hallazgos. Primero, el estudio excluyó las épocas clasificadas como vigilia, por lo que el clasificador no distingue entre vigilia y sueño, un desafío separado e importante. Segundo, la precisión del 84% y el Kappa de 0.524, aunque prometedores, aún no alcanzan el nivel de diagnóstico. Una precisión REM de 0.600 significa que el 40% de las épocas que el modelo etiquetó como REM eran en realidad NREM, lo que distorsionaría las evaluaciones clínicas de parámetros relacionados con el REM, como la latencia del REM o la densidad del REM.
Tercero, el estudio utilizó un solo tipo de tira de sensor piezoeléctrico y una configuración de colchón específica; el rendimiento puede diferir con otros equipos o tipos de colchón. Cuarto, el tamaño de la cohorte de 85 sujetos es modesto para estudios de aprendizaje automático, y la variabilidad entre sujetos fue sustancial (la precisión varió ampliamente, como se refleja en la desviación estándar de 12.76 puntos porcentuales). El diseño de validación cruzada anidada de dejar uno fuera ayuda a prevenir el sobreajuste, pero se necesitan muestras más grandes y diversas para confirmar la generalizabilidad.
Finalmente, los autores señalan que en los niveles de rendimiento actuales, el método se considera mejor como una herramienta auxiliar de baja carga para el monitoreo longitudinal nocturno fuera de línea y la evaluación de tendencias en entornos similares al hogar, no como un reemplazo del diagnóstico clínico basado en PSG.
Conclusión
Un sensor piezoeléctrico debajo del colchón, combinado con características convencionales de movimiento corporal y nuevas medidas de estabilidad respiratoria basadas en TWED, puede discriminar el sueño REM del NREM con precisión moderada. La señal de inestabilidad respiratoria que captura TWED parece agregar información significativa más allá de las métricas más simples, señalando un camino hacia la clasificación práctica del sueño sin contacto para uso doméstico. Por ahora, el enfoque es más adecuado para el monitoreo de tendencias y el seguimiento longitudinal que para la toma de decisiones clínicas independiente.
Traducido por Alessandra
Source
Wang S, Yu J, Yang X, Liu D, Bai Q, Yu J, Ding S, Xu Y, Zhu D. Non-contact REM/NREM sleep staging from piezoelectric signals using respiratory and body-movement features with auxiliary TWED-based respiratory stability measures. Front Digit Health. 2026 Jun 15;8:1780166. doi:10.3389/fdgth.2026.1780166. PMID: 42375153. PMCID: PMC13310895.
Source URL: https://pubmed.ncbi.nlm.nih.gov/42375153/