Chez Oura, nous nous engageons à relever de façon cohérente le niveau d’exigence en matière de précision. Aujourd’hui, nous commençons à déployer notre nouvel algorithme de stadification du sommeil auprès de nos membres. Cet algorithme est parmi les algorithmes de stadification du sommeil les plus précis disponibles dans un appareil portable grand public, atteignant 79 % de correspondance avec un test de laboratoire de sommeil par polysomnographie (PSG), la référence absolue des tests de sommeil, pour la classification du sommeil en 4 phases (éveil, léger, profond et paradoxal).
La recherche et le travail derrière cet algorithme ont nécessité des années de perfectionnement, utilisant des techniques avancées d’apprentissage automatique entraînées sur l’un des plus grands ensembles de données de sommeil jamais collectés.
| « Cet algorithme fait partie des algorithmes de stadification du sommeil les plus précis disponibles dans un appareil portable grand public, atteignant 79 % de correspondance avec un test de laboratoire du sommeil par polysomnographie (PSG). » |
« Le nouvel algorithme de stadification du sommeil souligne l’engagement d’Oura pour la précision et la validation scientifique comme piliers fondamentaux de notre produit, ainsi que notre volonté constante d’accompagner les membres dans leur parcours de santé en fournissant des informations sur la santé approfondies et personnalisées », déclare Shyamal Patel, PhD, responsable scientifique chez Oura.
Pour en savoir plus sur cette initiative, nous nous sommes tournés vers les membres de l’équipe scientifique d’Oura : Raphael Vallat, PhD, expert des données en apprentissage automatique et ancien chercheur sur le sommeil à l’Université de Californie, à Berkeley ; Gerald Pho, PhD, expert des donnée sen apprentissage automatique ; et Xi Zhang, PhD, responsable de la détection santé.
Ci-dessous, ces scientifiques partagent ce qui distingue le nouvel algorithme de stadification du sommeil, ce que les membres doivent savoir, ainsi que les défis et les réussites rencontrés au cours du processus.
À LIRE ÉGALEMENT : Comment Oura suit-il mon sommeil ?
Les nouveautés
Bien que le nouvel algorithme de stadification du sommeil soit plus précis que jamais, l’ancien algorithme de stadification du sommeil était déjà l’un des meilleurs dans le domaine des appareils portables et a été validé de manière indépendante pour sa précision.
Le nouvel algorithme, cependant, place la barre plus haut. Désormais, l’Oura Ring atteint un taux de correspondance de 79 % par rapport aux tests de laboratoire PSG considérés comme la référence absolue en la matière. C’est un accomplissement remarquable, d’autant plus que des études ont indépendamment constaté que la correspondance entre experts humains évaluant une étude PSG sur les phases du sommeil en 4 classes est d’environ 88 % et que la correspondance inter-évaluateur pour les phases du sommeil en 5 classes est d’environ 83 %.
De plus, dans toutes les phases du sommeil, le nouvel algorithme de stadification du sommeil présente une sensibilité, une précision et une spécificité plus élevées, allant de 74 % à 98 %. Bien que d’autres études aient montré des résultats similaires pour la détection d’un stade de sommeil spécifique, cette performance améliorée se fait généralement au détriment des autres stades (par exemple, une performance élevée dans la détection du sommeil profond pourrait entraîner une faible capacité à détecter le sommeil paradoxal).
Cela signifie que le nouvel algorithme de stadification du sommeil d’Oura peut mieux détecter dans quelle phase du sommeil vous vous trouvez tout au long de la nuit. Une sensibilité accrue à travers les phases du sommeil augmente non seulement la précision de votre score de sommeil, mais aussi de votre score de préparation, vous offrant une meilleure indication de la préparation globale de votre corps pour la journée.
À LIRE ÉGALEMENT : Votre score de sommeil Oura
La différence Oura : Diversité des données
Pendant votre sommeil, l’Oura Ring surveille les signaux de votre corps, tels que votre fréquence cardiaque, vos mouvements et les tendances de votre température corporelle, afin de déterminer quand vous vous êtes endormi(e) et dans quelle phase de sommeil vous vous trouvez. En effet, chaque phase de sommeil (éveil, sommeil léger, sommeil paradoxal et sommeil profond) est caractérisée par des signaux biologiques distincts.
Pour développer le nouvel algorithme de stadification du sommeil, « nous avons collecté l’un des plus grands ensembles de données sur les dispositifs portables de sommeil afin d’entraîner un algorithme à mieux détecter ces signaux biologiques et la phase de sommeil associé, dans une population plus diversifiée », nous confie Vallat. « L’amélioration de la précision offre finalement aux membres Oura de meilleures informations sur leurs habitudes de sommeil et leur santé globale. »
Le processus de développement a impliqué plus de deux ans de recherche approfondie. « Nous avons activement constitué cet ensemble de données, qui comprend plus de 1 200 nuits de sommeil enregistrées à l’aide de la PSG et de l’Oura Ring, issues de laboratoires de sommeil du monde entier », déclare Vallat.
Les résultats de leurs recherches ont été publiés dans la revue scientifique à comité de lecture Sensors. Le document donne un aperçu approfondi du fonctionnement de l’algorithme et il est accessible au public afin que toute personne souhaitant comprendre les détails techniques du fonctionnement de notre algorithme de sommeil puisse le faire — démontrant l’engagement d’Oura envers la transparence.
« Contrairement aux ensembles de données précédents, celui que nous avons collecté provenait d’une population diversifiée, avec des habitudes de sommeil et des antécédents variables ; par exemple, des personnes présentant des carnations, états de santé, âges et troubles du sommeil différents. »
Avoir un ensemble de données hétérogène garantit que l’algorithme a été entraîné sur un large éventail d’individus et fonctionnera quel que soit le cas. Chez Oura, l’une de nos valeurs est de placer l’humain en premier, c’est pourquoi nous nous engageons à veiller à ce que notre algorithme fonctionne bien pour tous.
« Depuis la publication de l’étude en 2021, nous avons continué à élargir nos bases de données d’entraînement et de test », déclare Vallat. « Avec plus du double de l’ensemble de données, nous avons accru la diversité des patients afin d’assurer une précision élevée pour tous les types de population. »
En général, les algorithmes de stadification du sommeil sont développés à partir d’un nombre limité de données (<100 nuits de sommeil) et issus d’une population homogène, comme des étudiants universitaires jeunes et en bonne santé. Cela signifie que lorsqu’il est utilisé par une population plus large et plus diversifiée, l’algorithme devient inévitablement moins précis.
| « Avec plus du double de l’ensemble de données, nous avons augmenté la diversité des patients pour garantir une précision élevée dans tous les types de population. » |
AUTRE BLOG PERTINENT : Qu’est-ce qu’une étude du sommeil par polysomnographie (PSG) ?
À propos du calendrier de développement
Le chemin de la recherche et du développement à la commercialisation des algorithmes scientifiques prend du temps et pose des défis uniques.
« La science demande du temps », déclare Pho. « Il peut falloir des années pour que les tests et la validation appropriés soient menés à bien, et notre nouvel algorithme ne fait pas exception. » Nous souhaitions nous assurer que la version de recherche de l’algorithme corresponde à l’implémentation finale dans le produit, ce qui implique de garantir qu’il fonctionne comme prévu sur notre base de membres, beaucoup plus large et diversifiée. »
« De plus, même lorsque la science est “prête”, elle est élaborée en dehors de l’anneau sous forme d’algorithme théorique, et doit être synchronisée avec le matériel et l’application », explique Zhang. « La traduction de l’algorithme en logiciel a été un processus approfondi impliquant la modification du firmware de l’anneau, le développement de l’application, du Cloud, et bien plus encore. »
« Parce que le nouvel algorithme de stadification du sommeil est fondamental et a de nombreuses conséquences en aval, comme affecter le score de sommeil global et le score de préparation, nous avons dû effectuer des calibrations pour garantir une bonne continuité globale », déclare Pho. « C’est pourquoi nous avons publié une version bêta en novembre 2022. Nous souhaitions recueillir des millions de nuits de données de membres à l’aide d’algorithmes concurrents pour garantir la cohésion. »
En fin de compte, en deux ans, les chercheurs et scientifiques d’Oura du monde entier ont pu élargir considérablement notre base de connaissances scientifiques, et le travail se poursuit, car nous enrichissons constamment l’ensemble de données et mettons à jour l’algorithme.
Quels changements les membres Oura pourraient-ils observer ?
« Alors que nous utilisions des données provenant d’une population plus variable, nous avons remarqué certains changements clés en fonction de l’âge et la variabilité de la fréquence cardiaque (VFC), » explique Vallat.
Les changements que les membres Oura peuvent constater dans leurs métriques de sommeil incluent les suivants :
- La plupart verront une augmentation du sommeil léger. Mais rassurez-vous : bien qu’il soit appelé « sommeil léger », il apporte quand même des bénéfices pour votre cerveau et votre corps. En savoir plus sur le sommeil léger.
- Si vous avez une VFC plus élevée, vous pourriez constater une diminution du temps d’éveil et du sommeil profond, ainsi qu’une augmentation du sommeil paradoxal.
- Les personnes ayant une VFC plus faible pourraient constater une diminution du sommeil paradoxal, ainsi qu’une augmentation du temps d’éveil.
AUTRE BLOG PERTINENT : Qu’est-ce que la VFC moyenne ?
Fonctionnalités à venir
Il est important de reconnaître que la science du sommeil évolue avec le temps — et que la science derrière Oura évolue également. « Notre objectif est de fournir les métriques et les informations les plus précises possibles grâce à la science et à la technologie disponibles aujourd’hui », déclare Patel. « À mesure que la science et la technologie évoluent, nous continuerons à évoluer avec elles pour repousser les limites de ce qui est possible avec Oura. »
« Nous sommes fiers d’être une entreprise axée sur la science et nous continuerons d’investir dans la recherche et le développement afin d’offrir les capacités de détection de santé les plus avancées aux membres Oura », déclare Patel.
À propos des experts Oura
Shyamal Patel, PhD, est le responsable scientifique chez Oura, où il dirige une organisation interdisciplinaire axée sur la recherche et le développement d’algorithmes qui transforment les données des capteurs en mesures précises de la santé et du bien-être. Shyamal est titulaire d’un doctorat en génie électrique avec une spécialisation dans le traitement des signaux et l’apprentissage machine appliqué de la Northeastern University. Il a effectué ses recherches post-doctorales à l’université de Harvard et vit à Boston.
Gerald Pho, PhD, est un expert en données d’apprentissage automatique chez Oura. Il possède un doctorat en neurosciences et, depuis son arrivée chez Oura, a contribué au développement et au déploiement de plusieurs algorithmes, y compris le nouvel algorithme de stadification du sommeil, la fréquence cardiaque de la séance et Health Risk Management.
Raphael Vallat, PhD, est expert en données d’apprentissage automatique chez Oura. Il a précédemment travaillé comme chercheur sur le sommeil au Center for Human Sleep Science de l’Université de Californie à Berkeley (laboratoire du Prof. Matt Walker). Il a publié de nombreux travaux sur le sommeil et la santé humaine, et ses travaux ont été présentés dans plusieurs grands médias et podcasts.
Xi Zhang, PhD, est responsable de la détection santé chez Oura. Il encadre une équipe mondiale de scientifiques pour rechercher et développer des algorithmes pour plusieurs applications de santé. Le Dr. Zhang a obtenu son doctorat à l’Université du Michigan et a construit le premier robot de thrombolyse non invasif au monde. Il a d’abord travaillé chez Fitbit, puis chez Apple après ses études. Chez Fitbit, il a dirigé une startup interne et a également livré quelques fonctionnalités clés liées à la santé cardiaque, telles que la surveillance de la fréquence cardiaque 24h/24 7j/7 et la détection de la fibrillation auriculaire (approuvée par la FDA). Il siège également au comité de rédaction de la revue Ultrasound in Medicine and Biology, qui se concentre sur les applications de l’IA et de l’apprentissage automatique.