La stadification du sommeil par signaux cardiorespiratoires atteint 70 % de précision mais se heurte à un angle mort pour le stade N1 et un manque de validation, selon une revue systématique
Date : 2026-07-08
La stadification automatique du sommeil utilisant uniquement des signaux cardiorespiratoires — issus de capteurs portables plutôt que d’une électroencéphalographie complète — atteint une précision pratiquement significative d’environ 70 %, mais le domaine souffre de lacunes systématiques qui limitent le déploiement clinique, selon une revue systématique publiée le 7 juillet dans le Journal of Medical Systems.
La revue, couvrant 35 études publiées depuis 2010, a révélé qu’aucune modalité de signal ni approche algorithmique ne surpassait les autres : les signaux cardiaques seuls, les signaux cardiorespiratoires combinés et les signaux cardiorespiratoires augmentés d’autres canaux non-EEG ont tous produit des résultats comparables, de même que l’apprentissage automatique traditionnel par rapport aux architectures d’apprentissage profond.
Ce qu’ils ont découvert
Des chercheurs de l’Université du Zhejiang et de l’Université municipale de Hangzhou ont interrogé quatre bases de données pour identifier les études développant des modèles automatiques de stadification du sommeil basés sur des entrées cardiorespiratoires — électrocardiographie, photopléthysmographie, pléthysmographie par inductance respiratoire et signaux comparables — sans aucun canal EEG.
Le résultat principal est un plateau d’environ 70 % de précision dans l’ensemble du domaine, sans différences significatives entre :
- Modalités de signal — cardiaque uniquement, cardiorespiratoire ou cardiorespiratoire plus autres signaux non-EEG
- Familles d’algorithmes — apprentissage automatique traditionnel versus apprentissage profond
Trois modes de défaillance systématiques sont apparus :
1. Absence généralisée de validation externe. La grande majorité des études se sont entraînées et testées sur le même ensemble de données, généralement un seul référentiel public. Les modèles n’ont pas été démontrés comme capables de généraliser à travers différentes populations, capteurs ou environnements d’enregistrement.
2. Classification systématiquement médiocre du sommeil N1. Le stade le plus léger du sommeil non-REM — déjà le plus difficile pour les scoreurs humains à s’accorder — était systématiquement la catégorie la moins performante parmi toutes les approches examinées.
3. Généralisation limitée à travers diverses populations de patients. Les études recrutant de jeunes adultes en bonne santé dominaient la littérature. Les performances chez les personnes âgées, les individus souffrant de troubles du sommeil et les populations pédiatriques restent largement inconnues.
Pourquoi c’est important
La polysomnographie complète est la référence absolue pour la stadification du sommeil, mais elle nécessite un équipement spécialisé, un laboratoire du sommeil et des techniciens formés — ce qui la rend impraticable pour une utilisation à grande échelle ou longitudinale. Les appareils portables grand public qui capturent la fréquence cardiaque et les signaux respiratoires sont déjà largement utilisés, mais leurs algorithmes de stadification du sommeil sont généralement propriétaires et non validés.
Un pipeline de stadification validé et ouvert basé sur les signaux cardiorespiratoires pourrait transformer la surveillance de la santé du sommeil des populations. Le plafond de précision de 70 % identifié par cette revue établit un référentiel réaliste pour le domaine et définit où les améliorations futures sont nécessaires : validation externe, détection du N1 et diversité des populations.
Limites
La revue elle-même n’inclut que des études publiées et peut refléter un biais de publication. Le chiffre de 70 % est une agrégation — les performances des études individuelles variaient. La revue ne traite pas des algorithmes propriétaires utilisés dans les appareils portables commerciaux, qui peuvent différer des modèles académiques.
Conclusion
La stadification du sommeil par signaux cardiorespiratoires a atteint un plateau de précision stable qui est suffisant pour un dépistage au niveau de la population mais pas encore pour un diagnostic clinique. La prochaine étape du domaine est claire : une validation externe rigoureuse sur des populations diverses, et non un ajustement supplémentaire des algorithmes.
Source
Chen W, He X, Zheng J, Chen S, Tian X. “Automatic sleep staging using cardiorespiratory signals: A systematic review of methodologies and performance.” Journal of Medical Systems. 2026 Jul 7;50(1):110. DOI: 10.1007/s10916-026-02435-9
Traduit par Lydie