Lead. 信頼性の高い睡眠評価を得るには、通常、実験室で一晩を過ごし、何十もの電極に配線されることを意味する。睡眠段階判定と無呼吸診断のゴールドスタンダードであるポリソムノグラフィー（PSG）は、煩雑で高コストであり、日常的なスクリーニングや在宅使用には不向きである。今般、大規模な国際チームが、枕の下に滑り込ませるセンサーマットのみを使用して、臨床グレードの睡眠段階判定と無呼吸検出を行う深層学習モデルBCGNetの結果を発表した。7月3日付けのNPJ Digital Medicineに掲載されたこの研究では、患者の皮膚に直接接触する必要がなく、本モデルが既存の多くのアプローチに匹敵するか、それを上回る性能を示したと報告されている。
What they found. BCGNetは、清华大学、ハーバード・メディカル・スクール、カリフォルニア大学サンフランシスコ校を含む中国、オーストラリア、米国の14機関の研究者によって開発された2段階転移学習アーキテクチャである。チームはまず、580,865時間分のポリソムノグラフィーデータでモデルを事前学習し、次に枕下デバイスで取得した15,081時間分の心弾動図（BCG）記録で微調整を行った。合計約596,000時間の学習セットは、睡眠段階判定研究のためにこれまでに構築された中で最大級のものの一つである。
4クラスの睡眠段階判定（覚醒、浅い睡眠、深い睡眠、レム睡眠）において、本モデルは複数の検証コホートで0.710から0.817のF1スコアを達成した。3％の脱飽和閾値（AHI3％）での無呼吸低呼吸指数の推定では、ピアソンのrが0.95を超え、基準PSG測定値とのほぼ完全な相関を示した。総睡眠時間、睡眠効率、各段階で過ごした時間を含む睡眠の連続性とアーキテクチャの指標は、一般に0.8以上の級内相関係数とピアソンのr値を示した。
本モデルは、患者の人口統計、記録機器、臨床設定が異なる多様な外部データセットに対して良好な一般化を示した。著者らはまた、短時間の昼間の昼寝記録においても強力な性能を実証し、夜間モニタリングを超えた潜在的な有用性を示唆している。
Why it matters. 閉塞性睡眠時無呼吸は、世界中で推定9億3,600万人の成人が罹患しており、その大多数は未診断のままである。現在の在宅睡眠検査は、ラボでのPSGよりも便利ではあるが、患者は依然として顔、胸部、または指にセンサーを装着する必要がある。多くの患者はこれらのデバイスを不快に感じており、在宅検査のコンプライアンスは一貫性を欠いている。
真に非接触のアプローチは、これらの障壁を取り除く。枕下BCGマットは、患者によるセットアップ、使用間の洗浄、デバイスの装着を一切必要としない。家庭、長期介護施設、病棟など、患者の睡眠環境を乱すことなく導入できる。この研究で報告された性能が前向きな実環境導入で維持されれば、このデバイスは、特にPSGが利用できない、または非現実的な環境において、客観的な睡眠評価へのアクセスを劇的に拡大する可能性がある。
AHI3%をピアソンのrが0.95を超えて推定できるモデルの能力は特に注目に値する。無呼吸低呼吸指数は、睡眠時無呼吸の重症度を診断および評価するために使用される主要な指標である。臨床的に実行可能なAHI値を生成できる非接触センサーは、スケーラブルなスクリーニングツールとして機能し、さらなる評価と治療の恩恵を受けるであろう何百万もの未診断患者を特定する可能性がある。
Limits. この研究は後ろ向き研究であり、著者らは実際の家庭環境での前向き検証が重要な次のステップであることを認めている。外部検証データセットは多様ではあったが、それでも一般集団を完全に代表しているとは限らない厳選された研究コレクションであった。このデバイスはBCG信号のみを取得する。空気流量、酸素飽和度、EEGを直接測定することはできず、モデルはこれらのパラメータを間接的に推測する必要がある。複雑な併存疾患、重度の心不整脈、または異常な睡眠アーキテクチャを有する患者における性能は広範には評価されていない。特許は北京に拠点を置くFive Seasons Medical社が保有しており、複数の著者がデバイスメーカーの従業員であるため、報告された性能数値を評価する際に考慮すべき潜在的な利益相反がある。この研究は、中国国家自然科学基金委員会と中国科学技術省の支援を受けた。
Bottom line. BCGNetは、膨大なPSGデータバンクで訓練された深層学習モデルが、その知識を非接触の心弾動図信号に効果的に転送し、実施ポリソムノグラフィーの精度に迫る睡眠段階判定と無呼吸推定を生成できることを実証している。この研究は、ウェアラブルおよび非接触センサーと洗練されたニューラルネットワークを組み合わせることで、信頼性の高い睡眠評価がベッドのあるすべての人が利用できるようになるという、最新かつ最も強力なエビデンスを提供するものである。
Source. Chen S, Chen X, et al. BCGNet: an AI model trained on 600 K hours of sleep data for a novel under-pillow contactless monitoring device. NPJ Digit Med. 2026 Jul 3. doi: 10.1038/s41746-026-02885-y. PMID: 42399358.
雅子 訳