Hos Oura er vi dedikerede til hele tiden at hæve standarden for nøjagtighed. I dag begynder vi at udrulle vores nye søvnstadiealgoritme til vores medlemmer. Denne algoritme er blandt de mest nøjagtige søvnstadiealgoritmer, der findes i et bærbart forbrugerprodukt, idet den opnår 79 % overensstemmelse med en polysomnografi-søvnlaboratorietest, som er guldstandarden inden for søvntests, ved klassificering af søvn i 4 stadier (vågen, let og dyb søvn og REM-søvn).
Det har taget flere år at perfektionere forskningen i og arbejdet bag denne algoritme ved hjælp af avancerede maskinlæringsteknikker, der var trænet på et af de største søvndatasæt, der nogensinde er indsamlet.
| “Denne algoritme er blandt de mest nøjagtige søvnstadiealgoritmer, der findes i et bærbart forbrugerprodukt, idet den opnår 79 % overensstemmelse med en polysomnografi-søvnlaboratorietest.” |
“Den nye søvnstadiealgoritme understreger Ouras engagement i nøjagtighed og videnskabelig validering som grundpiller i vores produkt og fremhæver vores utrættelige stræben efter at give medlemmer mere magt over deres sundhedsrejse ved at levere dybe, personlige sundhedsindsigter,” fortæller Shyamal Patel, ph.d., Head of Science hos Oura.
For at få mere at vide om dette arbejde talte vi med medlemmer af Ouras videnskabsteam: Raphael Vallat, ph.d., Senior Machine Learning Data Scientist og tidligere søvnforsker ved University of California, Berkeley, Gerald Pho, ph.d., Senior Machine Learning Data Scientist, og Xi Zhang, ph.d., leder af Health Sensing.
Herunder fortæller disse forskere om, hvad der gør den nye søvnstadiealgoritme unik, hvad medlemmerne skal vide, samt hvilke udfordringer og succeser der har været undervejs i processen.
LÆS MERE: Hvordan registrerer Oura min søvn?
Nyheder
Den nye søvnstadiealgoritme er ganske vist mere nøjagtig end nogensinde, men bare rolig – den gamle allerede var blandt de bedste inden for wearables, og dens nøjagtighed var uafhængigt valideret.
Den nye algoritme hæver imidlertid barren yderligere. Nu opnår Oura Ring 79 % overensstemmelse med laboratorietests baseret på polysomnografi (PSG), der betragtes som guldstandarden. Det er en bemærkelsesværdig præstation, når man tager i betragtning, at flere undersøgelser uafhængigt af hinanden har fundet, at enigheden blandt menneskelige eksperter, der vurderer en PSG-undersøgelse baseret på 4 søvnstadier, er omkring 88 %, og enigheden blandt vurderinger af undersøgelser baseret på 5 søvnstadier er omkring 83 %.
Derudover har den nye søvnstadiealgoritme højere følsomhed, nøjagtighed og specificitet fra 74 % til 98 % på tværs af alle søvnstadier. Mens andre undersøgelser har vist lignende resultater med hensyn til at registrere et bestemt søvnstadie, kommer denne forbedrede ydeevne typisk på bekostning af de andre stadier (f.eks. kan en god evne til at registrere dyb søvn være ensbetydende med, at evnen til at registrere REM-søvn er ringere).
Det betyder, at Ouras nye søvnstadiealgoritme bedre kan registrere, hvilket søvnstadie du er i hele natten igennem. Øget følsomhed på tværs af søvnstadierne øger ikke kun nøjagtigheden af din søvnscore, men også din parathedsscore, så du får et bedre billede af, hvor klar kroppen er til dagen som helhed.
LÆS MERE: Din Oura-søvnscore
Oura-forskellen: mangfoldighed i data
Mens du sover, overvåger Oura Ring dine kropssignaler, f.eks. din puls, bevægelse og tendenser i kropstemperaturen, for at fastslå, hvornår du er faldet i søvn, og hvilket søvnstadie du befinder dig i. Det er muligt, fordi hver søvnfase (vågen, let søvn, REM-søvn og dyb søvn) er kendetegnet ved hver sine biosignaler.
Raphael Vallat fortalte, at for at udvikle den nye søvnstadiealgoritme indsamlede forskerne et af de største søvndatasæt fra wearables nogensinde. Det blev brugt til at træne en algoritme til bedre at kunne registrere biosignalerne og dermed det søvnstadie, signalerne indikerede, i en mere mangfoldig population. “Den forbedrede nøjagtighed giver Oura-medlemmer bedre indsigt i deres søvnmønstre og generelle helbred,” forklarede han.
Udviklingsprocessen har krævet mere end to års omfattende forskning. “Vi har aktivt opbygget dette datasæt, som indeholder mere end 1.200 nætter med søvn ved hjælp af PSG og Oura Ring-data fra søvnlaboratorier over hele verden,” fortsætter Raphael Vallat.
Resultaterne fra forskningen blev offentliggjort i det fagfællebedømte videnskabelige tidsskrift Sensors. Artiklen giver et indgående indblik i, hvordan algoritmen fungerer, og den er offentligt tilgængelig, så alle, der gerne vil forstå de tekniske detaljer i, hvordan vores søvnalgoritme fungerer, kan komme til det – hvilket viser Ouras engagement i gennemsigtighed.
“I modsætning til tidligere datasæt stammer det datasæt, vi har indsamlet, fra en mangfoldig population med skiftende søvnmønstre og baggrunde, f.eks. mennesker med forskellige hudfarver, helbredstilstande, aldre og søvnforstyrrelser.”
Et heterogent datasæt sikrer, at algoritmen er blevet trænet på – og derfor fungerer godt for – mange forskellige mennesker. Hos Oura er en af vores værdier, at mennesket kommer i første række. Derfor er vi dedikerede til at sikre, at vores algoritme fungerer godt for alle.
“Siden undersøgelsen blev offentliggjort i 2021, har vi fortsat med at udvide vores trænings- og testdatabaser,” tilføjer Raphael Vallat. “Med et datasæt, der nu er mere end dobbelt så stort, har vi øget mangfoldigheden blandt forsøgspersonerne for at sikre høj nøjagtighed på tværs af befolkningsgrupper.”
Typisk bliver søvnstadiealgoritmer udviklet på et begrænset datagrundlag (under 100 nætter med søvn) og baseret på en ensartet gruppe, som for eksempel raske, unge universitetsstuderende. Det betyder, at når algoritmen bruges på en bredere og mere forskelligartet population, bliver den uvægerligt mindre nøjagtig.
| “Med et datasæt, der nu er mere end dobbelt så stort, har vi øget mangfoldigheden blandt forsøgspersonerne for at sikre høj nøjagtighed på tværs af befolkningsgrupper.” |
LÆS OGSÅ: Hvad er et polysomnografi-søvnstudie (PSG)?
Om udviklingstidslinjen
Vejen fra forskning og udvikling til, at videnskabelige algoritmer bliver til salgbare produkter, er lang og byder på særlige udfordringer.
“Videnskab tager tid,” som Gerald Pho udtrykker det. “Det kan tage flere år at få testet og valideret noget grundigt, og vores nye algoritme er ingen undtagelse. Vi ønskede at sikre, at forskningsversionen af algoritmen matcher den endelige implementering i produktet, hvilket indebærer, at den skal fungere som forventet for den langt større og mere forskelligartede gruppe, der udgør vores medlemmer.”
“Desuden, selv når videnskaben er ‘klar’, er den udviklet uden for ringen som en teoretisk algoritme og skal først synkroniseres med hardwaren og appen,” tilføjer Xi Zhang. “Det at omsætte algoritmen til software har været en omfattende proces, der indebærer ændringer af ringens firmware, app- og Cloud-udvikling og meget mere.”
“Da den nye søvnstadiealgoritme er forudsætningen for mange andre funktioner og har mange konsekvenser, f.eks. ved at påvirke de samlede søvn- og parathedsscorer, var vi nødt til at foretage kalibreringer for at sikre, at der var god overordnet kontinuitet,” forklarer Gerald Pho. “Derfor udgav vi en betaversion i november 2022. Vi ønskede at indsamle medlemsdata fra flere millioner nætter ved hjælp af samtidige algoritmer for at sikre sammenhæng.”
I løbet af to år lykkedes det Oura-forskere og videnskabsfolk fra hele verden at udvide vores videnskabelige viden betydeligt, og arbejdet fortsætter, fordi vi hele tiden føjer til datasættet og opdaterer algoritmen.
Hvilke ændringer vil Ouras medlemmer opleve?
“Da vi begyndte at bruge data fra en mere varieret population, bemærkede vi nogle vigtige ændringer baseret på alder og pulsvariation (HRV),” forklarer Raphael Vallat.
Ændringer, som Ouras medlemmer muligvis vil bemærke i deres søvnmålinger, omfatter følgende:
- De fleste vil opleve en stigning i mængden af let søvn. Men bare rolig, for selvom det kaldes “let søvn”, giver det stadig fordele for både hjerne og krop. Få mere at vide om let søvn.
- Hvis du har en højere HRV, kan du opleve et fald i tid i vågen tilstand og dyb søvn og en stigning i REM-søvn.
- Personer med lavere HRV kan opleve et fald i mængden af REM-søvn og en stigning i tid i vågen tilstand.
LÆS OGSÅ: Hvad er den gennemsnitlige HRV?
Et kig ind i fremtiden
Det er vigtigt at erkende, at søvnforskningen udvikler sig over tid – og det samme gør videnskaben bag Oura. “Vores mål er at levere de mest præcise målinger og indsigter, vi kan, med den videnskab og teknologi, der findes i dag,” erklærer Shyamal Patel. “I takt med at videnskab og teknologi udvikler sig, vil vi fortsætte med at udvikle os sammen med dem for at skubbe til grænserne for, hvad der er muligt med Oura.”
“Vi er stolte af at være en videnskabsbaseret virksomhed og vil fortsætte med at investere i forskning og udvikling for at kunne tilbyde Ouras medlemmer de mest avancerede funktioner til helbredsmålinger,” fortæller Shyamal Patel.
Om Oura-eksperterne
Shyamal Patel, ph.d., er Head of Science hos Oura, hvor han leder en tværfaglig organisation, der fokuserer på forskning i og udvikling af algoritmer, som omsætter sensordata til præcise målinger af sundhed og velvære. Shyamal har en ph.d. inden for elektroteknik med speciale i signalbehandling og anvendelsen af maskinlæring fra Northeastern University. Han har desuden en forskergrad på postdoktoralt niveau fra Harvard University og bor i Boston.
Gerald Pho, ph.d., er Senior Machine Learning Data Scientist hos Oura. Han har en ph.d. i neurovidenskab, og siden han begyndte hos Oura, har han bidraget til udviklingen og implementeringen af flere algoritmer, herunder den nye søvnstadiealgoritme, puls under træningspas og Health Risk Management.
Raphael Vallat, ph.d., er Senior Machine Learning Data Scientist hos Oura. Han har tidligere arbejdet som søvnforsker på Center for Human Sleep Science på University of California, Berkeley (professor Matt Walkers laboratorium). Han har udgivet en lang række publikationer om søvn og menneskers sundhed, og hans arbejde er blevet omtalt i flere store nyhedsmedier og podcasts.
Xi Zhang, ph.d., er Head of Health Sensing hos Oura. Han støtter et globalt team af videnskabsfolk, der forsker i og udvikler algoritmer til flere sundhedsrelaterede anvendelser. Dr. Zhang fik sin ph.d. fra University of Michigan og byggede verdens første ikke-invasive trombolyserobot. Han arbejdede først hos Fitbit og derefter hos Apple, efter at han færdiggjorde sin kandidatuddannelse. Hos Fitbit ledede han en nystartet intern afdeling og leverede også et par vigtige funktioner relateret til hjertesundhed, f.eks. overvågning af døgnpuls og detektion af atrieflimren (FDA-godkendt). Han sidder også i redaktionsudvalget for tidsskriftet Ultrasound in Medicine and Biology, der fokuserer på brug inden for maskinlæring/kunstig intelligens.