Oura nostaa jatkuvasti rimaa tarkkuuden suhteen. Tänään julkaisemme Ouran jäsenille uuden unen vaiheiden algoritmin. Kyseessä on yksi tarkimmista unen vaiheiden algoritmeista, kun otetaan huomioon kaikki markkinoilla olevat kuluttajille suunnatut puettavat laitteet. Sen tulokset vastaavat 79-prosenttisesti unilaboratoriossa tehtävää polysomnografiaa (unipolygrafia), jota pidetään yleisesti unen mittauksen luotettavimpana laboratoriotestinä unen neljän vaiheen havaitsemisessa (valveillaolo, kevyt uni, syvä uni ja vilkeuni eli REM).
Uuden algoritmin taustalla oleva tutkimus ja työ vei vuosia, ja siinä hyödynnettiin kehittyneitä koneoppimistekniikoita, joita koulutettiin yhdellä suurimmista koskaan kerätyistä unitietoaineistoista.
| ”Uusi algoritmi on yksi kuluttajille suunnattujen laitteiden tarkimmista unen vaiheiden algoritmeista, ja se vastaa 79-prosenttisesti unilaboratoriossa suoritettavaa polysomnografiaa (PSG).” |
”Uudessa unen vaiheiden algoritmissa kiteytyy Ouran sitoutuminen tarkkuuteen ja tieteelliseen validointiin tuotteemme kulmakivinä. Samalla se on merkki väsymättömästä pyrkimyksestämme auttaa jäseniämme kohti parempaa terveyttä tarjoamalla heille yksilöllisiä terveystietoja”, sanoo Ouran Head of Science Shyamal Patel, PhD.
Tutustuimme hankkeeseen tarkemmin haastattelemalla Ouran tiedetiimin jäseniä: Raphael Vallat, PhD, Senior Machine Learning Data Scientist ja entinen Kalifornian yliopiston (Berkeley) unitutkija; Gerald Pho, PhD, Senior Machine Learning Data Scientist; sekä Xi Zhang, PhD, Head of Health Sensing.
Seuraavassa nämä tutkijat kertovat, mikä tekee uudesta unen vaiheiden algoritmista erityisen, mitä jäsenen on hyvä tietää, ja millaisia haasteita ja onnistumisia kehitystyö toi tullessaan.
LUE LISÄÄ: Miten Oura seuraa untasi?
Mitä uutta?
Vaikka uusi unen vaiheiden algoritmi on tarkempi kuin koskaan, Ouran edellinen unen vaiheiden algoritmi oli jo yksi parhaista puettavissa laitteissa käytetyistä algoritmeista, ja sen tarkkuus oli riippumattomasti arvioitu ja validoitu.
Uusi algoritmi kuitenkin nostaa rimaa entisestään. Nyt Oura Ring vastaa 79-prosenttisesti standardina pidettyä laboratorio-olosuhteissa suoritettavaa polysomnografiatutkimusta (PSG). Tämä on merkittävä saavutus, kun otetaan huomioon, että itsenäisten tutkimusten mukaan PSG-tutkimuksen pisteytyksessä ihmisasiantuntijoiden välinen yksimielisyys neljän unen vaiheen määrittämisessä on noin 88 %, ja yksimielisyys viiden unen vaiheen määrittämisessä on noin 83 %.
Lisäksi uusi unen vaiheiden algoritmi on tarkempi, sensitiivimpi ja spesifisempi herkkyyden vaihdellessa välillä 74–98 %. Vaikka muut tutkimukset ovat osoittaneet samankaltaisia tuloksia tietyn unen vaiheen havaitsemisessa, tämä parempi suorituskyky tapahtuu usein muiden vaiheiden kustannuksella (esim. parempi suorituskyky syvän unen havaitsemisessa voi johtaa heikompaan kykyyn havaita REM-unta).
Tämä tarkoittaa, että Ouran uusi unen vaiheiden algoritmi tunnistaa entistä paremmin, missä unen vaiheessa olet milloinkin yön aikana. Herkempi unen vaiheiden tunnistaminen parantaa sekä unenlaatulukeman että valmiuslukeman tarkkuutta, jolloin ne kuvastavat paremmin sitä, kuinka valmis kehosi on ottamaan tulevan päivän vastaan.
LUE LISÄÄ: Unenlaadun lukema Ourassa
Näin Oura eroaa muista: datan monipuolisuus
Nukkuessasi Oura Ring seuraa kehosi signaaleja, kuten sykettäsi, liikettäsi ja kehon lämpötilan trendejä, joiden perusteella se määrittää, milloin olet nukahtanut ja missä unen vaiheessa olet. Tämä on mahdollista, koska jokainen unen vaihe (valveillaolo, kevyt uni, REM-uni ja syvä uni) tunnistetaan tiettyjen biosignaalien perusteella.
Uuden unen vaiheiden algoritmin kehittämiseksi ”kokosimme yhden suurimmista puettavien unenseurantalaitteiden keräämistä unitietoaineistoista, jonka avulla koulutimme algoritmin tunnistamaan biosignaalit ja niihin liittyvät unen vaiheet entistä paremmin entistä monimuotoisemmassa väestössä,” Vallat kertoo. ”Tarkkuuden parantaminen antaa Oura-jäsenille paremman käsityksen heidän unensa kulusta ja yleisestä terveydestään.”
Kehitysprosessiin kuului yli kahden vuoden mittainen laaja tutkimus. ”Tietoaineisto, joka sisältää PSG:n ja Oura Ringin mittaamat unitiedot yli 1 200 yöltä, koottiin unilaboratorioista ympäri maailmaa”, Vallat sanoo.
Tutkimustulokset julkaistiin vertaisarvioidussa tieteellisessä aikakauslehdessä nimeltä Sensors. Artikkeli antaa perusteellisen kuvan siitä, miten Ouran unen vaiheiden algoritmi toimii. Se on julkisesti saatavilla, joten kuka tahansa, joka haluaa tutustua algoritmin teknisiin yksityiskohtiin, voi tehdä niin – ja tämä osoittaa Ouran sitoutumisen läpinäkyvyyteen.
”Toisin kuin aiemmat tietoaineistot, keräämämme aineisto oli peräisin monimuotoisesta väestöstä ja ihmisiltä, joilla oli vaihtelevia unirytmejä ja taustoja. Joukkoon kuuluu esimerkiksi ihmisiä, joilla on erilainen ihonväri, terveydentila ja ikä sekä erilaisia unihäiriöitä.”
Monipuolinen tietoaineisto varmistaa, että algoritmi on koulutettu monenlaisten ihmisten tietojen perusteella, ja siksi se toimii hyvin. Yksi Ouran tärkeimmistä arvoista on ihmislähtöisyys, ja siksi olemme sitoutuneet varmistamaan, että algoritmimme toimii yhtä hyvin jokaisen käyttäjän kohdalla.
”Vuonna 2021 julkaistun tutkimuksen jälkeen olemme jatkaneet koulutus- ja testitietokantojen laajentamista”, Vallat kertoo. ”Yli kaksinkertaisella tietoaineistolla olemme voineet lisätä potilaiden monimuotoisuutta varmistaaksemme tarkkuuden eri väestöryhmissä.”
Tyypillisesti unen vaiheiden algoritmeja kehitetään rajallisella määrällä dataa (<100 yötä unta), ja ne perustuvat homogeeniseen väestöön, kuten terveisiin nuoriin yliopisto-opiskelijoihin. Tämä tarkoittaa, että kun algoritmia käytetään laajemmalla ja monimuotoisemmalla populaatiolla, se muuttuu väistämättä vähemmän tarkaksi.
| “Yli kaksinkertaisella tietoaineistolla olemme voineet lisätä potilaiden monimuotoisuutta varmistaaksemme tarkkuuden eri väestöryhmissä.” |
AIHEESEEN LIITTYVÄÄ: Mikä on polysomnografia eli PSG (unipolygrafia)?
Kehitystyön aikataulu
Tieteen ja tutkimuksen tekemisestä algoritmien tuotteistamiseen kuluu aikaa, ja prosessi tuo mukanaan ainutlaatuisia haasteita.
“Tiede on aikaa vievä asia”, Pho sanoo: “Asianmukainen testaus ja validointi voi viedä vuosia, eikä uusi algoritmimme ole poikkeus. Halusimme varmistaa, että algoritmin tutkimusversio vastaa lopullista tuoteversiota, mikä tarkoittaa, että se toimii odotetusti paljon suuremmalla ja monimuotoisemmalla jäsenpohjallamme.”
“Vaikka tiedepuoli tulisi tavallaan valmiiksi, kyseessä on kuitenkin vasta teoreettinen, sormuksen ulkopuolella kehitetty algoritmi, joka se on vielä synkronoitava laitteiston ja sovelluksen kanssa”, Zhang selittää: “Algoritmin muuttaminen ohjelmistoksi on ollut mittava prosessi, johon on kuulunut sormuksen laiteohjelmiston, sovelluksen ja pilvipalvelujen kehittäminen – ja paljon muuta.”
“Koska uusi unen vaiheiden algoritmi on perustavanlaatuinen ja vaikuttaa moneen asiaan, kuten unenlaatuun ja valmiuslukemaan, meidän piti tehdä siihen säätöjä, jotta kokonaisuus säilyisi yhtenäisenä”, Pho sanoo: “Siksi julkaisimme beta-version marraskuussa 2022. Halusimme kerätä miljoonien öiden edestä jäsentietoja käyttämällä samanaikaisia algoritmeja yhtenäisyyden varmistamiseksi.”
Ouran tutkijat ja kansainväliset asiantuntijat onnistuivat kahden vuoden aikana laajentamaan merkittävästi tietopohjaamme, ja työ jatkuu edelleen. Kartutamme tietoaineistoa ja päivitämme algoritmia jatkuvasti.
Millaisia muutoksia Oura-jäsenet voivat havaita?
“Koska käyttämämme tiedot kerättiin monipuolisemmasta väestöstä, havaitsimme joitakin merkittäviä muutoksia iän ja sykevälivaihtelun (HRV) perusteella,” Vallat selittää.
Oura-jäsenet saattavat huomata seuraavia muutoksia unimittareissaan:
- Useimmat tulevat huomaamaan kevyen unen määrän lisääntyvän. Ei kuitenkaan kannata huolestua, sillä vaikka vaihetta kutsutaan ”kevyeksi” uneksi, se tuo silti hyötyjä aivoillesi ja kehollesi. Lue lisää kevyestä unesta.
- Jos sinulla on korkeampi HRV, saatat huomata valveillaoloajan ja syvän unen määrän vähenevän ja REM-unen määrän lisääntyvän.
- Jos sinulla on matalampi HRV, saatat huomata REM-unen vähenevän ja valveillaoloajan kasvavan.
AIHEESEEN LIITTYVÄÄ: Mikä on keskimääräinen HRV?
Mitä on tulossa
On tärkeää huomioida, että unitiede kehittyy ajan myötä, ja niin kehittyy myös Ouran taustalla oleva tiede. ”Tavoitteenamme on tarjota nykyisen tieteen ja teknologian puitteissa mahdollisimman tarkkoja mittareita ja terveystietoja”, Patel sanoo: ”Tieteen ja teknologian kehittyessä jatkamme Ouran kehittämistä ja pyrimme jatkuvasti laajentamaan sen mahdollisuuksia.”
”Olemme ylpeitä siitä, että olemme tiedepohjainen yritys, ja jatkamme investointeja tutkimus- ja kehitystyöhön tuodaksemme kaikkein edistyneimmät terveysmittausominaisuudet Ouran jäsenten saataville”, Patel sanoo.
Tietoa Ouran asiantuntijoista
Shyamal Patel, PhD, on Ouran Head of Science. Hän johtaa poikkitieteellistä organisaatiota, joka keskittyy tutkimaan ja kehittämään algoritmeja, jotka kääntävät antureiden keräämän datan tarkoiksi terveyden ja hyvinvoinnin lukemiksi. Shyamal on suorittanut sähkötekniikan tohtorintutkinnon Northeasternin yliopistossa, erikoisalanaan signaalinkäsittely ja sovellettu koneoppiminen. Hän on suorittanut postdoc-tutkimuksensa Harvardin yliopistossa ja asuu nyt Bostonissa.
Gerald Pho, PhD, on Ouran Senior Machine Learning Data Scientist. Hänellä on neurotieteen tohtorin tutkinto, ja Ouralle tultuaan hän on ollut mukana kehittämässä ja ottamassa käyttöön useita algoritmeja, joita ovat muun muassa uusi unen vaiheiden algoritmi, treenisyke ja Health Risk Management.
Raphael Vallat, PhD, on Ouran Senior Machine Learning Data Scientist. Hän on aiemmin työskennellyt unitutkijana Kalifornian yliopistossa Berkeleyssä Center for Human Sleep Science ‑keskuksessa (professori Matt Walkerin laboratoriossa). Hän on tutkinut ja kirjoittanut laajasti unesta ja ihmisten terveydestä, ja hänen työnsä on ollut esillä useissa suurissa uutismedioissa ja podcasteissa.
Xi Zhang, PhD, on Ouran Head of Health Sensing. Hän tukee maailmanlaajuista tutkijatiimiä, joka tutkii ja kehittää algoritmeja useisiin terveysalan sovelluksiin. Tohtori Zhang suoritti tohtorin tutkinnon Michiganin yliopistossa ja rakensi maailman ensimmäisen ei-invasiivisen trombolyysirobotin. Valmistuttuaan hän työskenteli ensin Fitbitillä ja sitten Applella. Fitbitillä hän johti sisäistä startup-yritystä ja toimi alullepanijana muutamissa keskeisissä sydämen terveyteen liittyvissä ominaisuuksissa, joita olivat muun muassa ympärivuorokautinen syke ja eteisvärinän tunnistus (FDA:n hyväksymä). Hän toimii myös ML/AI-sovelluksiin keskittyvän Ultrasound in Medicine and Biology -lehden toimituskunnassa.