在 Oura，我們一直努力持續提升準確度。今日，我們開始向會員推出全新的睡眠分期演算法。這套演算法是目前消費型穿戴裝置中最準確的睡眠分期演算法之一，與作為睡眠檢測黃金標準的多導睡眠圖 (PSG) 睡眠實驗室測試相比，在針對四階段睡眠分類（清醒、淺層睡眠、深度睡眠，以及 REM 睡眠）上達到 79% 的一致率。
這項演算法背後的研發歷經多年才臻於完善，運用了先進的機器學習技術，並以有史以來收集到最大規模的睡眠資料之一進行訓練。
| 這套演算法是目前消費型穿戴裝置中最準確的睡眠分期演算法之一，與多導睡眠圖 (PSG) 睡眠實驗室的結果吻合率達 79%。 |
Oura 科學總監 Shyamal Patel 博士表示：「全新睡眠分期演算法展現了 Oura 以精準度和科學驗證為產品核心支柱的承諾，也體現我們持續不懈地希望透過提供深入且個人化的健康洞察，幫助會員在健康旅程中更有力量。」
為了深入認識這項計畫，我們特別請教了 Oura 科學團隊的成員：資深機器學習資料科學家 Raphael Vallat 博士，曾在加州大學柏克萊分校擔任睡眠研究員；資深機器學習資料科學家 Gerald Pho 博士；健康感測部門主管 Xi Zhang 博士。
以下，這些科學家會跟你分享新睡眠分期演算法的亮點、會員需要知道的小知識，以及這個過程中遇到的挑戰和收穫。
閱讀更多：Oura 如何追蹤我的睡眠？
最新內容
雖然新版睡眠分期演算法比以往更精準，不過你可以放心，舊版的睡眠分期演算法在穿戴式裝置領域本來就是數一數二的，而且其準確性也已經過獨立驗證。
然而，這個新演算法樹立了更高的標準。現在，Oura Ring 與作為睡眠檢測黃金標準的 PSG 實驗室檢測相比，吻合率達 79%。這項成就十分值得肯定，因為有研究發現，人類專家在對多導睡眠圖 (PSG) 的四階段睡眠分類進行評分時，一致率大約為 88%，而對五階段分類的評分一致率則約為 83%。
此外，在所有睡眠階段中，新的睡眠分期演算法在敏感度、準確度和特異性方面皆有提升，整體範圍介於 74% 至 98%。雖然其他研究在偵測特定睡眠階段時也有類似結果，不過這種提升通常會以影響其他階段的準確度為代價（例如，在深度睡眠的偵測上表現優異時，可能較難準確辨識 REM 睡眠）。
這代表 Oura 最新的睡眠分期演算法，能更準確地偵測你整晚處於哪個睡眠階段。睡眠階段敏感度的提升，不僅能提高你的睡眠分數，也會改善你的準備度分數，讓你更全面了解自己今日的身體狀態。
閱讀更多：你的 Oura 睡眠分數
Oura 的獨特之處：資料多元性
當你入睡時，Oura Ring 會偵測你的身體訊號，像是心率、動作和體溫趨勢，來判斷你什麼時候睡著，以及目前處於哪個睡眠階段。這之所以可行，是因為每個睡眠階段（清醒、淺層睡眠、REM 睡眠以及深度睡眠）都有其獨特的生物訊號。
為了開發新的睡眠分期演算法，Vallat 告訴我們：「我們蒐集了史上規模最大的穿戴式睡眠資料集，藉此訓練演算法，使其能在更多元的人群中更精準地偵測生物訊號及相應的睡眠階段。」精準度的提升最終能讓 Oura 會員更清楚了解自己的睡眠情況與整體健康狀態。
這個開發過程耗時超過兩年，並進行了大量深入的研究。Vallat 說：「我們主動建立了這個資料集，內含來自全球睡眠實驗室超過 1,200 個夜晚的資料，結合了 PSG 與 Oura Ring 的數據。」
他們的研究成果發表在經過同行評審的科學期刊《Sensors》上。論文深入介紹了這套演算法的運作方式，而且是公開的，讓任何想了解我們睡眠演算法技術細節的人都能輕鬆查閱——展現 Oura 對透明度的承諾。
「與以往的資料集不同，我們這次收集的數據來自多元背景、睡眠模式不規則的人群；包括不同膚色、健康狀況、年齡層以及有睡眠障礙的人。」
擁有多元的資料集，可以確保演算法在各種不同的人群中接受訓練，因此能在廣大族群中順利運作。Oura 很重視以人為本，所以我們希望確保演算法對每個人都能有很好的表現。
Vallat說：「自從這項研究在 2021 年發表以來，我們就一直在持續擴充訓練和測試的資料庫。目前資料量已超過原先的兩倍，讓參與者的多樣性更高，這樣可以確保在不同族群中都能有很高的準確度。」
通常，睡眠分期演算法是用有限的數據（少於 100 個晚上的睡眠資料）開發出來的，而且這些數據大多來自同質性高的族群，比如健康的年輕大學生。這表示，當較廣泛且更具多樣性的人群使用這個演算法時，準確度難免會下降。
| 「目前資料量已超過原先的兩倍，讓參與者的多樣性更高，這樣可以確保在不同族群中都能有很高的準確度。」 |
關於開發時程
從研發到把科學演算法變成產品，這條路需要時間，也會遇到一些特別的挑戰。
Pho 說：「科學需要花很多時間。要完成適當的測試和驗證，通常需要好幾年，我們這次的新演算法也是一樣。我們希望確保演算法的研究版本與最終產品內建的實作版本相符，這也代表要確保它能在我們規模更大、更多元的會員基礎上如預期運作。」
Zhang 解釋：「而且，即使科學已經『準備好了』，它其實是在戒指之外以理論演算法的方式建立，還需要和硬體以及 App 同步。將演算法轉換成軟體是一個很大的工程，過程中需要更新戒指韌體、App 和 Cloud 的開發，還有其他相關工作。」
Pho 說：「因為新的睡眠分期演算法是基礎，會影響到很多後續結果，像是整體的睡眠分數和準備度分數，所以我們必須針對這部分做一些調整，確保整體的連貫性。這就是為什麼我們在 2022 年 11 月推出了測試版。我們希望運用並行演算法來收集數百萬個夜晚的會員數據，以提升整體協同效果。」
最後，經過兩年的努力，Oura 的研究團隊和來自世界各地的科學家們大大擴展了我們的科學知識基礎。這份工作還在持續進行中，我們也一直在增加資料集、持續優化演算法。
Oura 會員可能會看到哪些變化？
Vallat 解釋：「我們從更多元的數據中發現，年齡與心率變異度 (HRV) 的變化尤其關鍵。」
Oura 會員可能會在睡眠數據中看到以下變化：
- 大多數人會發現自己的淺層睡眠會增加。但你可以放心，雖然叫做「淺層睡眠」，它還是能為你的大腦和身體帶來好處。了解更多關於淺層睡眠。
- 如果你的 HRV 較高，可能會發現清醒時間和深度睡眠減少，而 REM 睡眠增加。
- HRV 較低的人可能會看到 REM 睡眠減少，清醒時間則會增加。
相關：平均 HRV 是多少？
展望未來
有一點很重要，就是睡眠的科學會隨著時間不斷進步，Oura 背後的科學也是一樣。Patel 說：「我們的目標是運用現有的科學與技術，盡可能提供最準確的資料與洞察。隨著科學和科技的進步，我們也會持續成長，和 Oura 一起探索更多可能性。」
Patel 又表示：「我們很自豪能以科學為核心，並會持續投入研發，希望為 Oura 會員帶來最先進的健康感測功能。」
關於 Oura 專家
Shyamal Patel 博士是 Oura 的科學總監，帶領一個跨領域團隊，專注於研發能把感測器數據轉換成準確健康與福祉指標的演算法。Shyamal 擁有美國東北大學電機工程博士學位，專長是訊號處理和應用型機器學習。他在哈佛大學完成博士後研究，現在住在波士頓。
Gerald Pho 博士是 Oura 的資深機器學習數據科學家。他擁有神經科學博士學位，自從加入 Oura 後，參與了多項演算法的開發與部署，包括全新的睡眠分期演算法、運動心率，以及健康風險管理。
Raphael Vallat 博士是 Oura 的資深機器學習資料科學家。他之前曾在加州大學柏克萊分校的人類睡眠科學中心（Matt Walker 教授的實驗室）擔任睡眠研究員。他在睡眠和人類健康這個主題上發表了很多研究成果，作品也曾在多家主流新聞媒體和播客登場。
Xi Zhang 博士是 Oura 健康感測部門的主管。他支援一個全球科學家團隊，進行多種健康應用的演算法研究與開發。博士張在密西根大學取得博士學位，並打造了全球第一台非侵入式溶栓機器人。他先在 Fitbit 工作，研究所畢業後再到蘋果公司上班。在 Fitbit 任職期間，他帶領了一個內部新創團隊，也推出了幾項重要的心臟健康相關功能，像是全天候心率監測和心房顫動偵測（已獲 FDA 核准）。他同時也是《Ultrasound in Medicine and Biology》期刊編輯委員會的成員，主要關注機器學習和人工智慧在醫學領域的應用。