呼吸を読み取るマットレスセンサーがレム睡眠とノンレム睡眠を判別
リード. マットレスの下に置かれたセンサーが、配線やベルト、寝ている人との接触を一切必要とせずに、レム睡眠とノンレム睡眠を約84%の精度で識別できることが、Frontiers in Digital Healthに掲載された新たな研究で明らかになった。Shaonan Wang氏らが主導するこの研究は、身体動作の検出と呼吸パターンの安定性を測る高度な指標を組み合わせた手法を紹介し、非接触での睡眠ステージ分類という難しい課題の改善を図っている。
研究結果
研究者らは、臨床用ポリソムノグラフィー（PSG）装置と市販のマットレス下圧電センサーストリップの両方で同時記録を行った85人の成人を対象にこの手法をテストした。圧電センサーは機械的な圧力（この場合は呼吸や身体動作がマットレスを通じて伝わる力）を電気信号に変換する。覚醒エポックを除外した後、チームは各30秒エポックをレム睡眠またはノンレム睡眠に分類した。
XGBoost分類器は平均精度84.39%（被験者間でプラスマイナス12.76パーセントポイント）を達成し、CohenのKappa値は0.524で、偶然を超えた中程度の一致を示した。レム睡眠はノンレム睡眠よりも識別が難しいことが判明した：レム精度は0.600、レム再現率は0.735、レムF1スコアは0.603であった。
重要な革新は、呼吸間隔のシーケンス間の類似性を定量化する手法であるTime Warp Edit Distance（TWED）に基づく特徴量の追加であった。異なる時間スケールでの呼吸パターンの安定性や変動性を測定することで、TWEDベースの特徴量は、従来の身体動作や呼吸変動の特徴量のみを使用した場合と比較して、Kappa値とレムF1スコアの両方を改善した。言い換えれば、レム睡眠特有の不規則な呼吸は、従来の指標では捉えきれない有用なシグナルを提供するのである。
圧電センサーから得られた呼吸数は、鼻腔カニューレ（PSG参照）からの気流シグナルとも良好な一致を示し、マットレス下の設定が臨床的に意味のある呼吸データを捉えていることが検証された。
重要性
ポリソムノグラフィーは今なお睡眠ステージ分類のゴールドスタンダードであるが、高額であり、睡眠検査室での一泊滞在が必要であり、頭部、顔面、胸部、脚部に取り付ける配線、電極、センサーの煩雑さを伴う。この負担が、繰り返しのモニタリングや長期的な観測への利用を制限している。
非接触睡眠モニタリングが魅力的なのは、まさにその負担を排除するからである。マットレスの下のストリップが、夜ごと、寝ている人の努力を一切必要とせずに受動的にデータを収集する。課題は、睡眠段階を定義する脳波記録である脳電図（EEG）なしでは、レム睡眠とノンレム睡眠の区別がはるかに難しいことである。両段階は呼吸と動作のシグネチャーが微妙に異なり、過去の非接触レム/ノンレム判別の試みは信頼性に苦戦してきた。
今回の研究は、呼吸分析、特に呼吸安定性の測定が、臨床PSGが提供するEEGベースの睡眠段階区分の実行可能な代替手段として機能しうるというエビデンスを追加するものである。このような方法が改善され続ければ、在宅睡眠モニタリングが睡眠障害の追跡、治療反応の監視、長期的変化の検出に実用的となり、繰り返しの検査室通院のコストと不便さをすべて排除できるようになるかもしれない。
限界
いくつかの限界が結果を和らげている。第一に、研究では覚醒と判定されたエポックを除外しているため、分類器は覚醒と睡眠を区別しない。これは別個の重要な課題である。第二に、84%の精度と0.524のKappaは有望ではあるが、まだ診断グレードには達していない。レム精度が0.600であることは、モデルがレムとラベル付けしたエポックの40%が実際にはノンレムであったことを意味し、これによりレム潜時やレム密度などのレム関連パラメータの臨床評価が歪められる可能性がある。
第三に、研究では単一タイプの圧電センサーストリップと特定のマットレス設定を使用しており、他のハードウェアやマットレスタイプでは性能が異なる可能性がある。第四に、85名というコホートサイズは機械学習研究としては控えめであり、被験者間のばらつきも大きかった（精度は幅広く分布し、12.76パーセントポイントの標準偏差に反映されている）。ネスト化された一個抜き交差検証デザインは過学習の防止に役立つが、一般化可能性を確認するにはより大規模で多様なサンプルが必要である。
最後に、著者らは、現在の性能レベルでは、この方法はPSGベースの臨床診断の代替としてではなく、在宅環境でのオフライン終夜縦断モニタリングと傾向評価のための低負担補助ツールとして捉えるのが適切であると指摘している。
結論
マットレス下の圧電センサーは、従来の身体動作特徴量と新規のTWEDベースの呼吸安定性測定を組み合わせることで、レム睡眠とノンレム睡眠を中程度の精度で判別できる。TWEDが捉える呼吸不安定性シグナルは、より単純な指標を超えた意味のある情報を追加しているようであり、家庭での実用的な非接触睡眠ステージ分類への道筋を示している。現時点では、このアプローチは単独での臨床的意思決定よりも、傾向モニタリングや縦断的追跡に最も適している。
雅子 訳
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/