東京大學的上田泰己教授等人與索尼集團組成的研究團隊開發出了一種新的分析演算法（計算方法），能夠高精度檢測出睡眠中短暫醒來的現象。該演算法與手錶型可穿戴終端機配合使用。這種短暫覺醒有時本人也不記得，可能會引起身心萎靡。今後預定與東京大學的校辦初創企業ACCELStars（福岡縣久留米市）合作，2023年上市配備該演算法的終端機。
ACCELStars正在開發的可穿戴終端機（圖片由ACCELStars提供）
PSG檢測時的狀態。雖然準確率高，但要佩戴大量感測器，檢測起來比較麻煩（圖片由ACCELStars提供）
佩戴手錶型終端機，可以透過手臂的動作來檢測睡眠中的身體狀態。美國蘋果和Fitbit等公司已在銷售此類型終端機。
然而，有報告顯示，主要終端機雖然能以90%以上的準確率分辨睡眠狀態，但對於睡眠期間的暫時覺醒狀態等只能以40～60％的準確率分辨。例如很難區分翻身和醒來的狀態。
手錶型終端機通常會檢測加速度，也就是施加在手臂的力。研究團隊開發了利用機器學習分析相當於加速度時間變化率的「躍度」的方法。
這種方法能以約96％的準確率分辨睡眠狀態，以約80％的準確率分辨暫時覺醒狀態。上田教授表示：「並不是像以前那樣只看手臂的動作半徑，而是捕捉動作模式進行區分。」
睡眠中的暫時性覺醒是失眠和睡眠呼吸中止症等睡眠障礙的病徵之一，需要妥善的診斷和冶癒。據說患抑鬱等也會發生這種現象。但在多數情況下，我們在早上醒來後就已經不記得夜裏醒來的次數和時長。光靠主觀感受很難準確分析病徵。
還有調查腦電波、眼球運動和呼吸狀態等的「多導睡眠監測（PSG）」法。這種方法雖然能準確分辨睡眠和覺醒，但需要在身體上佩戴大量感測器，一般在擁有高級設備的醫院實施。所以需要開發一種能利用可穿戴終端機簡單、準確地分析的方法。
新方法將配備於ACCELStars公司開發的終端機。已從2022年2月中旬開始與久留米市和久留米大學等共同起動利用該終端機監測睡眠狀態以進行改善的驗證實驗。首先計劃作爲保健設備上市。還打算作爲預防和冶癒睡眠障礙的醫療設備推進開發。
上田教授表示：「我們還打算將該方法應用於預防生活方式病的特定體檢。」關於睡眠習慣，不僅要詢問「休息時間是否足夠」，透過使用新方法，還能根據測量值準確分析睡眠狀態。這將有助於改善冶癒和生活習慣。
日文：尾崎達也、《日經產業新聞》，2022/02/07
中文：JST客觀日本編輯部
