施耐德

MIT以無線電波及AI演算法分析睡眠狀態 正確率已可達專業水準

  • 陳端武、陳明陽
運用無線電波監測睡眠,可免除安裝各種電極與感測器,有極高的運用價值。Resmed

相當高比例的人有睡眠問題,情況嚴重者通常會到專業機構如醫院或睡眠實驗室進行睡眠監測與分析,過程中人體須配戴各種電極及感測器,每隔數月才能進行再次監測。美國麻省理工學院(MIT)研發的睡眠監測裝置則以無線電波(Radio Wave)遙測,運用人工智慧(AI)演算法分辨睡眠階段,正確率已達專業機構水準。

據Electronics 360報導,一般在診斷及追蹤睡眠問題時,會在病患身上安裝許多電極及感測器,但卻可能進一步影響睡眠。MIT人工智慧實驗室及麻州總醫院合作的研究小組,開發了一個監測睡眠階段的新裝置,無線電波碰到人體即會反射,而身體的任何細微動作都會改變反射波的頻率,因此包括脈搏、呼吸速率等生命徵象的變化,理論上都可從分析反射波頻率的變化而測得。

研究小組運用此一原理開發WiGait感測器,由發射低功耗射頻(RF)訊號的無線裝置構成。首先用於測量步行速度,協助醫師預測認知退化、跌倒等健康問題,隨後則運用於睡眠監測。

經過25名健康志願者的測試,MIT新的睡眠監測方式正確率可達80%。這個結果跟睡眠專家在實驗室內運用腦電圖(EEG)監測睡眠的正確率旗鼓相當。但免除在身體安裝各種電極與感測器,不僅能提供更加優質的睡眠監測體驗,也方便使用者在家中長時間持續進行。而醫師及睡眠科技專家的工作可更加簡化,不再需要以人工檢查及標記所有資料。

其他嘗試運用無線電訊號(Radio Signal)監測睡眠的研究人員,僅能達到65%的正確率,且無法分辨受測者所處的睡眠階段。而MIT的研究人員憑藉對睡眠的深入了解,訓練被稱為深度神經網路(Deep Neural Network)的先進AI演算法,擷取、分析測得的脈搏、呼吸速率及動作資訊,轉換為淺層睡眠、深層睡眠及快速動眼(REM)三個睡眠階段的方法。

由於在一般環境進行睡眠監測時,會量測到許多存在於周遭環境與睡眠無關的變動訊號,可能會混淆現有的演算法。而MIT創新之處就在於如何去蕪存菁,藉由訓練新開發的深度AI演算法,過濾消除房間中由其他物體反射的無關訊號,僅接收保留由受測者身體反射的睡眠相關訊號,不僅能提升正確率,還能不需任何校準調整,即可適用於各種場所及各色人等。

此研究領導人、MIT電機和電腦科學教授Dina Katabi表示,有了這項技術,未來家裡的Wi-Fi路由器就能知道用戶何時在做夢,還能監控用戶是否有足夠深度睡眠以鞏固記憶。該團隊的目標是開發出能隱藏在背景環境的感測器,這樣就能在不影響用戶的情況下監控其生理訊號和重要健康指標。

研究人員評估,無線電波感測器將能應用於深入了解阿茲海默症(Alzheimer's Disease)、失眠及睡眠呼吸中止症(Sleep Apnea)患者的睡眠變化,也有助於研究難以在睡眠中偵測的癲癇發作。接下來則計畫運用相關技術研究帕金森氏症(Parkinson's Disease)對睡眠的影響。