KI-Schlafphasen-Klassifikation erreicht 71% Genauigkeit mit Apple-Watch-Daten
Forscher haben BIDSleep entwickelt, ein KI-Framework, das Apple-Watch-Daten zur präzisen Klassifikation von Schlafphasen nutzt und in einer klinischen Studie eine Genauigkeit von 71% erreichte. Unabhängig davon hat das Startup SOND KI-gestützte Ohrstöpsel vorgestellt, die physiologische Signale zur Verbesserung des Schlafs tracken. Beide Entwicklungen zeigen die wachsende Bedeutung von KI und Wearables in der Schlafforschung.
Forscher haben ein KI-gesteuertes Framework namens BIDSleep entwickelt, das eine präzise Klassifikation von Schlafphasen anhand von Daten eines Consumer-Smartwatches ermöglicht. Das System identifizierte Schlafphasen in 71% der Fälle korrekt und übertraf damit mehrere etablierte Methoden. Es bietet eine skalierbare Alternative zu laborbasierten Schlafstudien.
Das an der University of Massachusetts Amherst entwickelte BIDSleep verwandelt die Apple Watch in ein geräteübergreifendes Instrument, das zwischen leichtem Schlaf, Tiefschlaf und Rapid-Eye-Movement- (REM-) Schlaf unterscheiden kann. Das Framework analysiert Herzfrequenz- und Beschleunigungssignale, die bereits von dem am Handgelenk getragenen Gerät erfasst werden. In einer Studie mit 47 gesunden Erwachsenen, die über bis zu sieben aufeinanderfolgende Nächte überwacht wurden, wurde die Genauigkeit des Systems gegen ein Dreem 2 EEG-Stirnband als Referenzvergleich validiert. Die Ergebnisse wurden in den IEEE Transactions on Biomedical Engineering veröffentlicht.
Das Modell zeigte besondere Stärke bei der Erkennung von Tiefschlaf, einer Schlafphase, die eng mit dem Altern, kognitivem Abbau und neurodegenerativen Erkrankungen verbunden ist. Es erfasste auch Parameter wie Schlafeffizienz und Einschlatenz – Messwerte, die bei Ableitungen aus Selbstangaben oft unzuverlässig sind, aber häufig als Studienendpunkte verwendet werden. Das breitere Forschungsprogramm des Teams konzentriert sich auf die Beziehung zwischen Schlafstörungen und der Alzheimer-Krankheit und integriert Wearable-Schlafparameter mit Neurobildgebung, Blutbiomarkern und genetischem Risikoprofiling. Mögliche Anwendungen umfassen Studien zu Stimmungsstörungen und die Bewertung der Auswirkungen medizinischer Eingriffe oder Therapien.
Im Consumer-Bereich hat das Startup SOND die Dreambuds vorgestellt, ein geschlossenes, ohrbasiertes System, das ein Dutzend physiologischer Signale trackt und in Echtzeit darauf reagiert. Gegründet von ehemaligen Bose-Executives positioniert das Unternehmen das Gerät als aktive Schlafverbesserungsplattform, ausgestattet mit Präzisionssensoren, generativer Audio und einem persönlichen KI-Schlafcoach. Die Ohrstöpsel sollen den Nutzern helfen, schneller einzuschlafen, länger durchzuschlafen und beim Aufwachen erholt zu fühlen.
Diese Entwicklungen unterstreichen einen wachsenden Trend zur Nutzung von künstlicher Intelligenz und Wearable-Sensoren, um die Schlafüberwachung zugänglicher und präziser zu machen. Während die klinische Validierung für Forschungsanwendungen weiterhin entscheidend ist, beginnen Consumer-Geräte nun, fortschrittliche Biosignal-Tracking-Funktionen einzubeziehen und gehen damit über einfache lärmmaskierende Ohrstöpsel oder grundlegende Schlafprotokolle hinaus.