超过五千万的人患有睡眠障碍，包括帕金森氏症和阿尔茨海默氏症在内的疾病也会破坏睡眠。诊断和监视这些状况通常需要将电极和各种其他传感器连接到患者身上，这可能会进一步扰乱他们的睡眠。

为了更容易诊断和研究睡眠问题，麻省理工学院和马萨诸塞州总医院的研究人员设计了一种新的方法来监测睡眠阶段，而无需将传感器连接到身体上。他们的设备使用先进的人工智能算法来分析人周围的无线电信号，并将这些测量结果转换为睡眠阶段：浅，深或快速眼动(REM)。

“想象一下您的Wi-Fi路由器是否知道您在的时间，并且可以监视您是否有足够的深度睡眠，这对于内存整合是必不可少的。”电气工程与计算机科学学院的Andrew and Erna Viterbi教授Dina Katabi说，谁领导了这项研究。“我们的愿景是开发健康传感器，该传感器将消失在后台并捕获生理信号和重要的健康指标，而无需用户以任何方式改变其行为。”

研究人员已经设计出一种新的方法来监视睡眠阶段，而无需将传感器连接到身体上。他们的设备使用先进的人工智能算法来分析人周围的无线电信号，并将这些测量结果转换为睡眠阶段：浅，深或快速眼动(REM)。图片来源：Christine Daniloff / MIT

Katabi与MGH睡眠医学部门负责人Matt Bianchi以及MIT数据工程，系统和社会研究所的Thomas Siebel电气工程和计算机科学教授Tommi Jaakkola进行了这项研究。麻省理工学院研究生赵明敏是该论文的第一作者，另一位麻省理工学院研究生岳世超也是该论文的合著者。

研究人员在国际机器学习大会上展示了他们的新型传感器。

遥感

Katabi和她在麻省理工学院计算机科学与人工智能实验室的小组成员以前已经开发了基于无线电的传感器，这些传感器使他们能够远程测量可以指示健康的生命体征和行为。这些传感器由一个无线设备组成，该无线设备的大小相当于膝上型计算机的大小，它会发出低功率射频(RF)信号。随着无线电波从身体反射回来，身体的任何轻微移动都会改变反射波的频率。分析这些波浪可以显示生命体征，例如脉搏和呼吸频率。

卡塔比说：“这是一个类似Wi-Fi的智能盒子，它可以在家中放置并分析这些反射，并通过身体在RF信号上留下的签名来发现体内的所有这些变化。”

Katabi和她的学生还使用这种方法创建了一种称为WiGait的传感器，该传感器可以使用无线信号测量步行速度，这可以帮助医生预测认知能力下降，跌倒，某些心脏或肺部疾病或其他健康问题。

在开发了这些传感器之后，卡塔比认为，类似的方法也可以用于监测睡眠，目前这种方法是在患者在连接至诸如脑电图(EEG)机等监测器的睡眠实验室中过夜时进行的。

“机会很大，因为我们对睡眠不太了解，而且很大一部分人口有睡眠问题，”赵说。“我们拥有这项技术，如果我们能够使其运转，它将使我们从一个在睡眠实验室每隔几个月进行一次睡眠研究的世界转移到在家中进行连续睡眠研究的世界。”

为了实现这一目标，研究人员必须想出一种将脉搏，呼吸频率和运动的测量值转换为睡眠阶段的方法。人工智能的最新进展使人们有可能训练称为深度神经网络的计算机算法，以从复杂的数据集中提取和分析信息，例如从研究人员的传感器获得的无线电信号。但是，这些信号具有与睡眠无关的大量信息，并且可能使现有算法感到困惑。麻省理工学院的研究人员必须提出一种基于深度神经网络的新AI算法，该算法可以消除不相关的信息。

“周围的环境会在您的测量结果中带来很多不必要的变化。新颖之处在于在保留其余睡眠信号的同时保持睡眠信号。” Jaakkola说。他们的算法可以在不同的地方和不同的人使用，而无需任何校准。

研究人员使用这种方法对25名健康志愿者进行了测试，发现他们的技术准确度约为80%，与睡眠专家基于EEG测量所确定的评分准确度相当。

“我们的设备不仅使您可以卸下戴在身上的所有这些传感器，而且可以在家中获得更好的体验，还可以使医生和睡眠技术人员的工作变得更加轻松，”卡塔比说。“他们不必遍历数据并手动对其进行标记。”

睡眠不足

其他研究人员尝试使用无线电信号来监视睡眠，但是这些系统仅在65%的时间内准确，并且主要确定一个人是处于清醒状态还是睡眠状态，而不是确定他们处于什么睡眠阶段。卡塔比和她的同事们能够改善通过训练他们的算法来忽略无线信号，这些信号从房间中的其他物体反弹而来，并且仅包括从睡眠中的人反射的数据。

研究人员现在计划使用这项技术来研究帕金森氏病如何影响睡眠。

卡塔比说：“当你想到帕金森氏症时，你会把它看作是一种运动障碍，但是这种疾病也与非常复杂的睡眠不足有关，而对于睡眠不足的了解还不是很清楚。”