Hos Oura er vi opptatt av regelmessig å heve standarden for nøyaktighet. I dag begynner vi å rulle ut den nye søvnstadiealgoritmen til medlemmene våre. Denne algoritmen er blant de mest nøyaktige søvnstadiealgoritmene som finnes i smartenheter, og oppnår 79 % samsvar med en søvnlaboratorietest med polysomnografi (PSG), gullstandarden for søvntesting, for 4-stadiers søvnklassifisering (våken, lett, dyp og REM-søvn).
Forskningen og arbeidet bak denne algoritmen tok flere år å perfeksjonere, ved bruk av avanserte maskinlæringsteknikker trent på et av de største søvndatasettene som noen gang er samlet inn.
| «Denne algoritmen er blant de mest nøyaktige søvnstadiealgoritmene som finnes i forbrukervennlige bærbare enheter, og oppnår 79 % samsvar med en søvnlaboratorietest med polysomnografi (PSG).» |
«Den nye søvnstadiealgoritmen understreker Ouras fokus på nøyaktighet og vitenskapelig validering som sentrale pilarer i produktet vårt, samt vår utrettelige innsats for å styrke medlemmene på helsereisen gjennom å levere dyp, personlig helseinnsikt», sier Shyamal Patel, PhD, vitenskapssjef i Oura.
Lær mer om dette prosjektet: Vi snakket med medlemmene av Ouras forskningsteam: Raphael Vallat, PhD, senior dataforsker innen maskinlæring og tidligere søvnforsker ved University of California, Berkeley; Gerald Pho, PhD, senior dataforsker innen maskinlæring; og Xi Zhang, PhD, leder for helsesensorikk.
Nedenfor forteller disse forskerne hva som gjør den nye søvnstadiealgoritmen spesiell, hva medlemmer bør vite, og hvilke utfordringer og suksesser de har hatt underveis i prosessen.
LES MER: Hvordan sporer Oura søvn?
Nyheter
Selv om den nye søvnstadiealgoritmen er mer nøyaktig enn noen gang, kan du være trygg på at den gamle søvnstadiealgoritmen allerede var blant de beste innenfor smartenheter og ble uavhengig validert for nøyaktighet.
Den nye algoritmen hever imidlertid standarden. Nå oppnår Oura Ring 79 % samsvar sammenlignet med gullstandarden for PSG-labtesting. Dette er en imponerende prestasjon, spesielt siden uavhengige studier har vist at enigheten blant eksperter som vurderer en PSG-studie for 4-stadiers søvnklassifisering er omtrent 88 % og at samsvaret mellom interne kontrollører for 5-stadiers søvnklassifisering er omtrent 83 %.
I tillegg har den nye søvnstadiealgoritmen høyere sensitivitet, nøyaktighet og spesifisitet på tvers av alle søvnstadier, fra 74 % til 98 %. Mens andre studier har vist lignende resultater for å oppdage et bestemt søvnstadium, går denne forbedrede ytelsen som regel utover de andre stadiene (for eksempel kan god ytelse i å oppdage dyp søvn bety dårlig evne til å oppdage REM).
Det betyr at Ouras nye søvnstadiealgoritme bedre kan oppdage hvilket søvnstadium du er i gjennom natten. Økt følsomhet gjennom søvnstadiene øker ikke bare nøyaktigheten av søvnpoeng, men også formpoeng, noe som gir et bedre bilde av hvor klar kroppen er for dagen totalt sett.
LES MER: Søvnpoeng i Oura (artikkel bare på engelsk)
Dette gjør Oura annerledes: Mangfold i data
Mens du sover, måler Oura Ring kroppssignaler som puls, bevegelse og kroppstemperatur, for å finne ut når du har sovnet og hvilket søvnstadium du er i. Dette er mulig fordi hvert søvnstadium (våken, lett søvn, REM-søvn, og dyp søvn) kjennetegnes av ulike biosignaler.
For å utvikle den nye søvnstadiealgoritmen, sier Vallat: «Vi samlet inn et av de største datasettene fra smartenheter for søvn for å trene opp en algoritme til bedre å oppdage disse biosignalene og det tilhørende søvnstadiet i en mer mangfoldig befolkning.» «Den forbedrede nøyaktigheten gir Oura-medlemmer bedre innsikt i søvnmønstre og generell helse.»
Utviklingsprosessen har omfattet mer enn to år med omfattende forskning. «Vi har aktivt bygget opp dette datasettet, som inneholder mer enn 1200 netter med søvn ved hjelp av PSG- og Oura Ring-data fra søvnlaboratorier over hele verden,» sier Vallat.
Resultatene fra forskningen ble publisert i det fagfellevurderte vitenskapelige tidsskriftet Sensors. Artikkelen gir en grundig innføring i hvordan algoritmen fungerer, og den er offentlig tilgjengelig slik at alle som vil forstå de tekniske detaljene i hvordan søvnalgoritmen fungerer, kan gjøre det. Dette viser Ouras forpliktelse til åpenhet.
«I motsetning til tidligere datasett, var det vi samlet inn fra en mangfoldig befolkning med varierende søvnmønstre og bakgrunner – for eksempel folk med ulike hudtoner, helsetilstander, aldre og søvnforstyrrelser.»
Et heterogent datasett gjør at algoritmen er trent på, og dermed fungerer godt for, mange ulike personer. Hos Oura er en av verdiene våre «mennesket først», så vi jobber for at algoritmen vår skal fungere bra for alle.
«Siden studien ble publisert i 2021, har vi fortsatt å utvide trenings- og testdatabasene våre», sier Vallat. «Med mer enn dobbelt så stort datasett har vi økt mangfoldet av pasienter for å sikre god nøyaktighet på tvers av ulike befolkningsgrupper.»
Vanligvis utvikles søvnstadiealgoritmer basert på en begrenset mengde data (<100 netter med søvn) og er hentet fra en homogen gruppe, som friske, unge universitetsstudenter. Det betyr at når algoritmen brukes av en bredere og mer mangfoldig befolkning, blir den følgelig mindre nøyaktig.
| «Med mer enn dobbelt så stort datasett har vi økt mangfoldet av pasienter for å sikre god nøyaktighet på tvers av ulike grupper.» |
RELATERT: Hva er en søvnstudie med polysomnografi (PSG)?
Om utviklingsforløpet
Veien fra forskning og utvikling til «produktiseringen» av vitenskapelige algoritmer tar tid og byr på unike utfordringer.
«Vitenskap er tidkrevende», sier Pho. Det kan ta flere år før grundig testing og validering er gjennomført, og den nye algoritmen vår er ikke noe unntak. Vi ønsket å sikre at forskningsversjonen av algoritmen samsvarer med den endelige implementeringen i produktet, noe som betyr at den må fungere som forventet på vår mye større og mer mangfoldige medlemsbase.
«Og selv når vitenskapen er «klar», utvikles den utenfor ringen som en teoretisk algoritme og må synkroniseres med maskinvaren og appen», forklarer Zhang. «Det har vært en omfattende prosess å oversette algoritmen til programvare som innebærer endring av ringens fastvare, app- og skyutviklingen med mer.»
«Siden den nye søvnstadiealgoritmen er grunnleggende og har mange konsekvenser, for eksempel ved å påvirke søvnpoeng og formpoeng, måtte vi gjøre justeringer for å sikre god helhetlig kontinuitet», sier Pho. «Derfor lanserte vi en betaversjon i november 2022. Vi ønsket å samle inn data fra millioner av netter fra medlemmene ved hjelp av samtidige algoritmer for sammenheng.»
I løpet av to år klarte Oura-forskere og vitenskapsfolk fra hele verden å utvide den vitenskapelige kunnskapsbasen vår betydelig. Arbeidet fortsetter, for vi legger stadig til nye data og oppdateringer for algoritmen.
Hvilke endringer kan Oura-medlemmer se?
«Da vi brukte data fra en mer variabel befolkning, la vi merke til noen viktige endringer basert på alder og hjertefrekvensvariabilitet (HRV)», forklarer Vallat.
Endringer som Oura-medlemmer kan se i søvnmåledata inkluderer følgende:
- De fleste vil oppleve en økning i lett søvn. Men ingen grunn til bekymring: selv om det kalles «lett søvn», gir det likevel fordeler for hjernen og kroppen. Lær mer om lett søvn.
- Hvis du har høy HRV, kan du oppleve en reduksjon i våkentid og dyp søvn, og en økning i REM-søvn.
- Personer med lav HRV kan oppleve mindre REM-søvn og mer våkentid.
RELATERT: Hva er gjennomsnittlig HRV?
Ser fremover
Det er viktig å være klar over at søvnforskningen utvikler seg over tid, og det samme gjør vitenskapen bak Oura. «Målet vårt er å levere de mest nøyaktige måledataene og den mest pålitelige innsikten med den vitenskapen og teknologien som er tilgjengelig i dag», sier Patel. «Etter hvert som vitenskapen og teknologien utvikler seg, vil vi fortsette å utvikle oss for å utvide grensene for hva som er mulig med Oura.»
«Vi er stolte av å være et vitenskapsbasert selskap og vil fortsette å investere i forskning og utvikling for å tilby Oura-medlemmer de mest avanserte løsningene for helseovervåkning», sier Patel.
Om Oura-ekspertene
Shyamal Patel, PhD, er vitenskapssjef i Oura, der han leder en tverrfaglig organisasjon som jobber med forskning og utvikling av algoritmer som gjør sensordata om til presise målinger av helse og velvære. Shyamal har en doktorgrad i elektroteknikk med spesialisering i signalbehandling og anvendt maskinlæring fra Northeastern University. Han fullførte sin postdoktorale forskning ved Harvard University og bor i Boston.
Gerald Pho, PhD, er senior dataforsker innen maskinlæring hos Oura. Han har en doktorgrad i nevrovitenskap, og siden han begynte i Oura har han bidratt til utviklingen og implementeringen av flere algoritmer, blant annet den nye søvnstadiealgoritmen, treningspuls og Health Risk Management.
Raphael Vallat, PhD, er senior dataforsker innen maskinlæring hos Oura. Han har tidligere jobbet som søvnforsker ved Center for Human Sleep Science ved University of California Berkeley (professor Matt Walkers laboratorium). Han har publisert en rekke artikler om søvn og menneskers helse, og hans arbeid har blitt omtalt i flere store nyhetsmedier og podkaster.
Xi Zhang, PhD, er leder for helsesensorikk hos Oura. Han støtter et globalt team av forskere som utvikler algoritmer for ulike helseapplikasjoner. Dr. Zhang tok doktorgraden sin ved University of Michigan og bygde verdens første ikke-invasive trombolyserobot. Han jobbet først hos Fitbit og deretter hos Apple etter å ha fullført studiene. Hos Fitbit ledet han en intern oppstartsorganisasjon og leverte også noen viktige funksjoner relatert til hjertehelse, som puls gjennom hele døgnet og deteksjon av atrieflimmer (FDA-godkjent). Han sitter også i redaksjonskomiteen for tidsskriftet Ultrasound in Medicine and Biology, med fokus på ML/AI-applikasjoner.