Un grupo de investigación de la Universidad de Tokio (Japón) ha desarrollado un algoritmo de aprendizaje automático para determinar los estados de sueño y vigilia basándose en la aceleración del brazo.
En su trabajo, publicado en la revista científica Proceedings of the National Academy of Sciences, convirtieron los datos de aceleración de aproximadamente 100.000 personas del Biobanco del Reino Unido en datos de sueño, que luego se analizaron en detalle. Descubrieron que los patrones de sueño de estas 100.000 personas podían clasificarse en 16 tipos diferentes.
En los últimos años, el número de personas de todo el mundo que están insatisfechas o ansiosas por su sueño ha ido aumentando debido a la diversificación de los estilos de vida. La medición sencilla del sueño y la comprensión cuantitativa de los patrones de sueño individuales son muy importantes no solo en el ámbito de la asistencia sanitaria, sino también desde el punto de vista médico, como en el diagnóstico de los trastornos del sueño.
Este grupo de investigación se centró primero en los datos de aceleración del brazo de aproximadamente 100.000 personas del Biobanco del Reino Unido. Estos datos se obtuvieron de hombres y mujeres de entre 30 y 60 años, principalmente en el Reino Unido, que fueron medidos durante un máximo de siete días con acelerómetros de pulsera.
Utilizando un algoritmo, el grupo de investigación generó los datos del sueño de aproximadamente 100.000 personas a partir de los datos de aceleración. Los datos de sueño obtenidos se convirtieron en 21 indicadores de sueño y, a continuación, utilizando métodos de reducción de dimensiones y de agrupación, los patrones de sueño se clasificaron en ocho clusters diferentes.
Utilizando un algoritmo, el grupo de investigación generó los datos del sueño de aproximadamente 100.000 personas a partir de los datos de aceleración. Los datos de sueño obtenidos se convirtieron en 21 indicadores de sueño
Estos incluían clusters relacionados con el "jet lag social" y clusters caracterizados por despertares a mitad de camino y considerados insomnio, lo que permitió extraer clusters relacionados con estilos de vida y con trastornos del sueño.
A continuación, para examinar con más detalle los patrones de sueño asociados a los trastornos del sueño, el grupo de investigación se centró en seis de los 21 indicadores del sueño, entre ellos la duración del sueño y el tiempo de vigilia intermedio, que se sabe que están estrechamente relacionados con los trastornos del sueño.
Al aplicar el mismo análisis a los datos en los que un indicador se desviaba significativamente del sueño general (datos en el percentil 2,28 superior o superior o en el percentil 2,28 inferior o inferior (6) en la distribución general), pudieron clasificar los datos en ocho clusters.
Entre estos grupos se encuentran los relacionados con los tipos matutinos y vespertinos. También identificaron varios clusters asociados al insomnio, y fueron capaces, junto con la agrupación utilizando todo el conjunto de datos, de clasificar siete tipos de patrones de sueño asociados al insomnio.
Así, al analizar el sueño a gran escala, han revelado el paisaje del fenotipo del sueño humano. Este estudio ha permitido clasificar cuantitativamente los clusters relacionados con el estilo de vida, como el "jet lag social" y los tipos de mañana/tarde, que suelen ser difíciles de determinar con las mediciones de PSG a corto plazo.
Además, el análisis detallado de los patrones de sueño atípicos y la clasificación de los mismos revelaron siete clusters relacionados con el insomnio. Estos clusters se clasifican en base a nuevos indicadores que difieren de los métodos convencionales, y se espera que sean útiles en la construcción de nuevos métodos en cuanto al diagnóstico del insomnio y la propuesta de métodos de tratamiento.