Oura 始终致力于持续提升监测准确性。从今天开始，我们向会员推出全新睡眠分期算法。这款算法是当前消费级可穿戴设备领域中最准确的睡眠分期算法之一，与多导睡眠实验室监测这一睡眠监测金标准相比，在 4 阶段睡眠分类（清醒、浅睡眠、深度睡眠和快速眼动期）上的一致性达到 79%。
该算法背后的研究和工作历时数年才得以完善，采用了先进的机器学习技术，并利用有史以来最大规模的睡眠数据集之一进行训练。
| Oura 科学负责人 Shyamal Patel 博士表示“这款算法是消费级可穿戴设备中最准确的睡眠分期算法之一，与多导睡眠实验室监测结果的一致性可达 79%。 |
新睡眠分期算法突显了 Oura 以准确性和科学验证为产品核心支柱的承诺，也展现了我们通过提供深入、个性化健康洞察，持续赋能会员健康之旅的坚定追求。”
为了进一步了解这项研究，我们请教了 Oura 科学团队成员：加州大学伯克利分校高级机器学习数据科学家、前睡眠研究员 Raphael Vallat 博士；高级机器学习数据科学家 Gerald Pho 博士；健康监测主管 Xi Zhang 博士。
下面，这些科学家将分享全新睡眠分期算法的亮点、Oura 会员需要了解的内容，以及整个研发过程中的挑战和收获。
延伸阅读：Oura 如何追踪睡眠？
全新亮点
虽然新睡眠分期算法比以往更准确，但请放心，旧的睡眠分期算法已是穿戴设备领域最顶尖的算法之一，其准确性也经过了独立验证。
不过，全新算法进一步提升了行业标准。如今，Oura Ring 与金标准多导睡眠实验室监测结果的一致性达到 79%。多项独立研究均发现，对同一份多导睡眠监测研究进行四阶段睡眠分期判读时，多位睡眠专家之间的一致性约为 88%，而对于五阶段睡眠分期的一致性约为 83%。
此外，针对所有睡眠阶段的分期中，新算法在灵敏度、准确性和特异性方面表现更出色，准确性介于 74% 到 98% 之间。虽然其他研究在某一睡眠阶段检测方面也能达到类似准确性，但这种表现提升通常是以牺牲其他睡眠阶段准确性为代价（比如，深度睡眠监测表现出色，可能导致快速眼动期监测准确性降低）。
这意味着 Oura 的新睡眠分期算法能更准确地识别整个晚上用户处于哪些睡眠阶段。针对各个睡眠阶段的监测灵敏度提升，不仅能让用户的睡眠分数更准确，还能提高准备度评分的准确性，更好地反映用户一整天的身体准备情况。
延伸阅读：Oura 睡眠分数
Oura 的独特之处：数据多样性
Oura Ring 会监测用户睡觉时的身体信号，如心率、动作和体温趋势，从而判断用户何时入睡，处于哪个睡眠阶段。之所以有可能做到这一点，是因为每个睡眠阶段（觉醒时段、浅睡眠、快速眼动期和深度睡眠）都有独特的生物信号。
Vallat 告诉我们，为了开发新的睡眠分期算法，“我们收集了史上最大规模的可穿戴设备睡眠数据集之一用来训练算法，以便更好地检测这些生物信号及对应的睡眠阶段，覆盖了更加多样化的人群。准确性提升的最终结果是 Oura 会员获得了更深入的睡眠模式和整体健康洞察。”
开发过程中，团队历时两年多完成了一项深入研究。Vallat 表示：“我们主动构建了这个数据集，其中涵盖全球睡眠实验室的多导睡眠监测数据和 Oura Ring 数据，总共涉及 1,200 多个晚上的睡眠。”
研究结果发表在同行评审科学期刊《Sensors》上。这篇论文深入介绍了算法的工作原理，并且已对外公开，任何想了解 Oura 睡眠算法技术细节的人都可以查阅——这彰显了 Oura 对信息公开透明的坚持。
“与之前的数据集不同，这次我们收集的数据覆盖多元群体，收集对象的睡眠模式与背景各不相同，比如肤色、健康状况、年龄和睡眠障碍等方面都存在差异。”
多样化数据集让算法在训练时覆盖了各种不同类型的人群，因此用于各类人群时都能表现出色。Oura 始终秉持以人为本的理念，致力于确保算法面对每位用户都能表现稳定。
Vallat 指出：“自 2021 年这项研究发表以来，我们一直在不断扩充训练和测试数据库。目前数据集规模已超过原来的两倍，患者群体更加多样化，确保在不同人群中都能保持高准确性。”
通常，睡眠分期算法开发时参考的数据有限（不到 100 个晚上的睡眠数据），而且数据来源群体同质性高，例如健康的年轻大学生。这意味着，当研发出的算法用于更广泛、更多样的人群时，准确性会不可避免地降低。
| “目前数据集规模已超过原来的两倍，患者群体更加多样化，确保在不同人群中都能保持高准确性。” |
推荐阅读：什么是多导睡眠监测研究？
开发进度说明
科学算法从研发到产品化需要时间，也会遇到一些特殊的挑战。
Pho 指出：“科学研究需要投入大量时间。仅是完成充分测试和验证可能都要耗费数年时间，而我们新算法也不例外。我们希望保证算法的研究版本与正式落地的产品实现版本保持一致，即确保产品在更广泛、更多样的会员群体中达到预期表现。
而 Zhang 解释说：“此外，虽然科研工作已完成，但这是在戒指之外研发的理论算法，还需要和硬件、应用同步起来。将算法转化为软件需要耗费大量时间与精力，涉及戒指固件变更、应用与云端开发等多个环节。”
Pho 提到：“新睡眠分期算法属于核心基础，会影响整体睡眠分数和准备度评分等后续许多环节，我们必须加以校准，以确保整体连续性良好。正是因为这个原因，我们在 2022 年 11 月发布了测试版。我们希望收集相当于数百万个夜晚的会员数据，并通过并行算法来确保分析结果的连贯性。”
最终，在两年时间里，全球各地的 Oura 研究人员和科学家们极大地拓展了我们的科学知识库，并在不断补充数据、优化算法的过程中继续丰富我们的科学知识储备。
Oura 会员会体验到哪些新变化？
Vallat 解释说：“我们使用的数据来自更多元化的人群，从中我们注意到一些与年龄和心率变异性相关的关键变化。
Oura 会员可能会在睡眠指标中看到以下变化：
- 大多数人会发现浅睡眠时长增加。但请放心：虽然叫做“浅睡眠”，但这个睡眠阶段对身心仍然有益。进一步了解浅睡眠。
- 如果心率变异性较高，用户可能会发现觉醒时段和深度睡眠减少，而快速眼动期会增加。
- 心率变异性较低的人可能会发现快速眼动期减少，觉醒时段增加。
推荐阅读：什么是平均心率变异性？
展望未来
我们要认识到，睡眠科学会随时间不断发展，而 Oura 背后的科学也在不断演变。Patel 强调说：“我们的目标是利用当今科学技术，尽可能为用户提供最准确的指标与洞察。随着科学技术的进步，我们也会不断进化，与 Oura 一起突破边界，探索更多可能。
我们很自豪能成为一家以科研为核心的企业，并将持续投入研发，为 Oura 会员带来最先进的健康监测功能。”
Oura 专家简介
Shyamal Patel 博士是 Oura 的科学负责人，带领一个跨学科团队，专注于研发能将传感器数据转化为准确身心健康指标的算法。Shyamal 拥有美国东北大学电气工程博士学位，专攻信号处理与应用机器学习。他在哈佛大学完成了博士后研究，目前住在波士顿。
Gerald Pho 博士是 Oura 的高级机器学习数据科学家，拥有神经科学博士学位，自加入 Oura 以来，参与开发和上线了多款算法，包括全新睡眠分期算法、锻炼心率和 Health Risk Management。
Raphael Vallat 博士是 Oura 的高级机器学习数据科学家，曾在加州大学伯克利分校人类睡眠科学中心（Matt Walker 教授的实验室）从事睡眠研究，并在睡眠和人类健康领域发表了大量研究成果，他的工作也曾被多家主流新闻媒体和播客报道。
Xi Zhang 博士是 Oura 的健康监测主管，负责协助全球科学家团队研发多款健康应用的算法。Zhang 博士拥有密歇根大学博士学位，还研制了全球首台非侵入性溶栓机器人。研究生毕业后，他先后在 Fitbit 和苹果任职。在 Fitbit，他领导了公司内部的创业项目，还开发了几项重要的心脏健康功能，比如全天心率监测和房颤检测（已获得 FDA 认证）。他还担任《Ultrasound in Medicine and Biology》期刊编辑委员会成员，主要负责机器学习和人工智能应用相关内容。