Une application qui transforme les montres Apple grand public en outils de surveillance hautement sophistiqués des phases de sommeil a été développée par une équipe de chercheurs dirigée par le professeur Joyita Dutta de l'Université du Massachusetts à Amherst. Les chercheurs affirment que l’application et le code d’IA correspondant constituent des alternatives pratiques et efficaces aux équipements et protocoles d’étude du sommeil coûteux et complexes existants.
« Notre objectif était de rendre aussi robuste que possible un appareil portable grand public non spécialisé, à savoir l'Apple Watch », explique Dutta, professeur de génie biomédical au Daniel J. Riccio Jr. College of Engineering. et auteur principal de la recherche, publiée dans Transactions IEEE sur le génie biomédical. Elle envisage que les chercheurs puissent utiliser cette application pour surveiller les personnes souffrant de troubles du sommeil à la maison, sans études coûteuses du sommeil en laboratoire.
Dutta a conçu cette application spécifiquement pour ses recherches sur le lien entre les perturbations du sommeil et le développement de la maladie d'Alzheimer.
Actuellement, la référence en matière d’études du sommeil repose sur les évaluations en laboratoire, qui sont complexes, coûteuses et nécessitent une analyse manuelle des données par un spécialiste. Même les évaluations à domicile peuvent être compliquées, car elles demandent aux participants de dormir avec des électrodes sur la tête.
En raison du coût, de la complexité et de l'inconfort, la plupart des études sur le sommeil ne durent qu'une nuit, ce qui signifie que les chercheurs n'ont pas l'avantage d'analyser les données de plusieurs séances au fil du temps. Dutta note également que, dans le cadre de ses recherches en cours sur la maladie d'Alzheimer, la technologie de surveillance existante ne peut pas capturer les données sur le sommeil lors des siestes, qui sont en grande partie imprévues. En revanche, la large disponibilité et la portabilité 24 heures sur 24 des montres intelligentes les rendent particulièrement adaptées à l’étude de toutes les formes de sommeil.
Dans cet esprit, Dutta et son équipe ont créé un logiciel pour transformer l’Apple Watch, largement disponible, en une technologie robuste de mise en scène du sommeil. L'application, appelée BIDSleep, collecte des données sur la fréquence cardiaque instantanée, puisque cette mesure varie en fonction du stade du sommeil. La fréquence cardiaque est plus lente pendant le sommeil profond et plus élevée pendant les périodes plus actives, comme le sommeil paradoxal.
Ces données alimentent le nouveau modèle d’IA des chercheurs, mis à la disposition d’autres chercheurs.
En moyenne, leur modèle a identifié avec précision le bon stade de sommeil dans 71 % des cas, surpassant ainsi les autres approches bien connues utilisées par la communauté de recherche sur le sommeil. Dutta note également que leur modèle est encore plus précis pour identifier le sommeil profond, ce qui est important car le vieillissement est associé à une diminution plus prononcée du sommeil profond que du sommeil total.
« La précision globale est importante, mais nous devons parfois également examiner des paramètres cliniques tels que l'efficacité du sommeil, la latence d'endormissement et la durée totale du sommeil », ajoute Tzu-An Song, chercheur postdoctoral au laboratoire de Dutta et premier auteur de l'article. La précision de ces mesures fournit des informations supplémentaires sur l'efficacité de l'application pour prédire les paramètres du sommeil cliniquement importants.
Notre méthode fonctionne mieux pour pratiquement toutes ces mesures. »
Tzu-An Song, premier auteur du journal
Le modèle d'IA, utilisant les données collectées par BIDSleep, a produit des résultats les plus proches de la référence en matière de stadification du sommeil basée sur l'EEG, par rapport à d'autres approches de modélisation.
Dutta note qu'ils n'ont pas comparé leur technologie aux capacités natives de mise en sommeil de l'Apple Watch, car cette fonctionnalité n'était pas disponible au moment de leur étude. Ils prévoient de procéder à une comparaison directe complète à l’avenir. Elle est optimiste quant au fait que leur application sera plus précise car elle fournit des données plus riches, collectant des informations sur la fréquence cardiaque à un rythme plus dense que les fonctionnalités natives intégrées à Apple Health.
« En fin de compte, nous aimerions que les chercheurs et les cliniciens utilisent cette application, c'est pourquoi nous l'avons créée dans un style où vous pouvez facilement transférer les données et en extraire des informations sur plusieurs nuits », explique Dutta.
Cette recherche est soutenue par le Massachusetts AI and Technology Center for Connected Care in Aging & Alzheimer's Disease et les National Institutes of Health.
