Данные потребительских устройств могут помочь выявлять невыявленное апноэ сна
Современные люди спят в окружении большого количества датчиков: умных часов, фитнес-браслетов, колец, прикроватных мониторов и мобильных приложений. Однако широкое распространение таких устройств пока не привело к заметному сокращению числа невыявленных случаев обструктивного апноэ сна (ОАС). Проблема заключается не в нехватке информации, а в том, что данные разных производителей хранятся в закрытых экосистемах и описываются на языке, который трудно сопоставить с медицинскими стандартами.
"Данные уже существуют, но они не говорят на одном языке", - отмечает Эли Готтлиб, доктор философии и руководитель направления прикладной сомнологии в Sleep.ai. Вместе с коллегами он представил исследование на конференции SLEEP 2026. Работа посвящена машинному обучению и прогнозированию апноэ на основе объективных показателей сна, собранных 138 потребительскими технологиями.
Главной задачей исследователей стало создание универсального "переводчика" между устройствами. Такой кросс-девайсный механизм гармонизации должен преобразовывать разнородные показатели в единую систему координат. В перспективе это позволит оценивать риск ОАС независимо от того, использует человек часы Apple, кольцо Oura, браслет Fitbit, устройство Garmin или прикроватный сенсор.
Почему данные разных устройств сложно сравнивать
Производители применяют неодинаковые датчики и алгоритмы. Одни устройства анализируют движения запястья и пульсовую волну, другие используют фотоплетизмографию, радиочастотные сигналы, сонар или микрофоны. Затем полученная информация обрабатывается закрытыми программными моделями, принципы работы которых пользователю и врачу часто неизвестны.
Различается и терминология. Например, Apple может обозначать определенный период как "основной сон", тогда как другая система назовет его легкой фазой. В клинической полисомнографии используются стадии N1 и N2. Поэтому специалисту бывает трудно понять, насколько надежен показатель конкретного гаджета и можно ли напрямую сопоставить его с данными пациента, который применяет другую технологию.
Большинство прежних исследований проверяло только один трекер в контролируемых условиях. Новая работа значительно масштабнее: в анализ вошли сведения о 19 431 пользователе и примерно 4,3 млн ночей сна, переданные через Apple HealthKit. Такой объем позволяет изучать не отдельную модель устройства, а закономерности, которые сохраняются в различных потребительских системах.
Как работает гармонизация показателей
Исследователи использовали собственную бесконтактную технологию Sleep.ai, основанную на радиочастотных и сонарных измерениях. Она сравнивалась с полисомнографией более чем в 14 научных публикациях и стала своеобразной эталонной точкой. Когда в систему поступают сведения от стороннего устройства, модель определяет, каким образом его показатели обычно отличаются от эталона.
Алгоритм способен также восполнять пробелы. Некоторые трекеры фиксируют только чередование сна и бодрствования, другие оценивают отдельные фазы сна, а третьи предоставляют более широкий набор параметров. Модель использует параллельные записи большого числа ночей, чтобы рассчитать недостающие значения. При этом оцененные показатели помечаются отдельно, что важно для клинической прозрачности. Речь идет не о свободной генерации данных, а о специализированной модели, учитывающей известные закономерности между метриками.
По оценке авторов, лучшая версия модели достигла AUC 0,77. Для скринингового инструмента это означает, что примерно в трех случаях из четырех система правильно определяет, у кого риск ОАС выше. Для первого инструмента массового отбора это приемлемый результат, хотя он пока не заменяет медицинское обследование и полноценную полисомнографию.
Исследователи считают, что показатель может быть скорее нижней границей возможностей модели. Одна из причин - сложность разметки данных. Не у всех участников имелось подтвержденное диагнозом состояние, а бытовые записи сна отличаются от измерений в лаборатории. Кроме того, разные устройства неодинаково фиксируют пробуждения, дыхательные нарушения и движения тела.
Практическая ценность такого подхода заключается в возможности предварительно выделять людей, которым нужна диагностика обструктивного апноэ сна. Умные часы или кольцо не должны самостоятельно устанавливать диагноз, но могут обратить внимание на сочетание признаков: нестабильный сон, частые пробуждения, выраженные колебания пульса, низкую сатурацию и повышенный индекс дыхательных нарушений.
Для пользователя, который хочет провести тест на апноэ сна в домашних условиях, важно понимать ограничения бытовых устройств. Они способны собрать ориентировочную информацию, однако домашний скрининг не всегда различает храп, позиционные пробуждения, бессонницу и эпизоды остановки дыхания. При подозрительных результатах следует обратиться к сомнологу, который может назначить кардиореспираторный мониторинг или полисомнографию.
Особое внимание специалисты уделяют нестабильности сна. Повторяющиеся нарушения структуры ночного отдыха могут формировать своеобразный "отпечаток" ОАС. Даже если конкретный гаджет неточно определяет фазы сна, сочетание многих ночей наблюдений способно выявить устойчивый паттерн, который иначе остался бы незамеченным.
В будущем подобные модели можно будет интегрировать в медицинские информационные системы. Врач сможет получать не просто график от одного приложения, а стандартизированный отчет с указанием качества данных, предполагаемых значений и уровня риска. Это упростит сортировку обращений и поможет быстрее направлять пациентов на обследование.
При подтвержденном заболевании тактика зависит от тяжести апноэ, анатомических особенностей, положения тела во сне и сопутствующих состояний. Лечение обструктивного апноэ сна может включать снижение массы тела, отказ от алкоголя перед сном, позиционную терапию, коррекцию заложенности носа, внутриротовые аппараты и другие методы. При выраженном ОАС одним из наиболее эффективных вариантов остается СИПАП-терапия при апноэ сна, поддерживающая дыхательные пути постоянным положительным давлением.
Развитие носимых технологий также ставит вопрос о качестве выбора устройств. Пользователю важны не только дизайн и продолжительность работы батареи, но и тип сенсоров, клиническая валидация, возможность экспорта данных и понятное описание ограничений. Поэтому при сравнении категории "лучшие устройства для мониторинга сна" корректнее учитывать не рекламные рейтинги, а точность измерений, независимые исследования и пригодность информации для обсуждения с врачом.
Пока технология не достигла уровня, при котором один алгоритм может заменить специалиста. Однако унификация данных от разных гаджетов способна изменить раннее выявление ОАС. Если потребительская электроника научится надежно передавать сопоставимые показатели в клинический контур, миллионы людей получат шанс раньше узнать о проблеме и начать необходимое обследование и лечение.
