成人10万人分のデータを機械学習アルゴリズムで睡眠解析し睡眠パターンを16に分類、新たな不眠症診断法に期待

今回は「成人10万人分のデータを機械学習アルゴリズムで睡眠解析し睡眠パターンを16に分類、新たな不眠症診断法に期待」についてご紹介します。

関連ワード （加速度、東京大学、診断等） についても参考にしながら、ぜひ本記事について議論していってくださいね。

本記事は、TechCrunch様で掲載されている内容を参考にしておりますので、より詳しく内容を知りたい方は、ページ下の元記事リンクより参照ください。

東京大学は3月15日、腕の加速度から覚醒と睡眠を判別する機械学習アルゴリズム「ACCEL」を開発し、約10万人の加速度のデータを解析したところ、睡眠が16種類のパターンに分類されることがわかったと発表した。その中には睡眠障害との関連が疑われるものもあるため、腕時計型ウェアラブルデバイスと「ACCEL」を組み合わせることで、睡眠障害の新たな診断方法や治療法の開発につながるものと期待されている。

ライフスタイルの多様化により、遺伝的に持っている睡眠パターンと相容れない生活が強いられると、不眠症となり健康リスクが高まる。例えば夜型の人は、昼間に学校や会社に通うといった社会的義務感により平日の睡眠時間が短くなり、平日と休日の睡眠時間が違ってくる傾向にある。これは「社会的時差ぼけ」と呼ばれ、肥満、高血圧、精神的なストレスといった健康への悪影響が心配される。実に現代人の60〜70％は睡眠不足を感じているという。その解消には正確な不眠症の診断と適切な治療が大切だが、そのためには週単位の睡眠パターンを把握しなければならず、その方法は問診などによる主観的な指標に頼っているのが現状だ。

そこで東京大学大学院医学系研究科機能生物学専攻システムズ薬理学分野の上田泰己教授、香取真知子氏、史蕭逸助教らによる研究グループは、簡単に正確に1週間以上の長期にわたる睡眠測定を行い、その結果を定量的に解析できれば、より詳細な診断ができると考えた。そして2022年に、腕の加速度から睡眠と覚醒の状態を判定するアルゴリズム「ACCEL」を開発した。

研究グループは、英国の遺伝情報や健康情報を含む研究用データベース「UK Biobank」にある、30〜60代の成人10万人分の加速度データから睡眠データを生成し、それを「ACCEL」で解析した。睡眠データを21の睡眠の指標に変換し、次元削減法とクラスタリング法という分析手法を用いて睡眠パターンを8種類のクラスターに分類。さらに、睡眠指標の中の睡眠時間や中途覚醒時間など、睡眠障害に関係が深いとされる6つの指標において、一般的な睡眠から大きく外れるデータを同様に解析したところ、新たに8種類のクラスターが分類された。こうして、不眠症診断に用いられている現行方式では判定が難しい社会的時差ぼけや、生活習慣に関連するクラスターを定量的に分類することに成功した。

今後は、睡眠障害と診断されている人のデータを用いて、各クラスターと睡眠障害の関係性をより正確に解明することで、定量的な指標に基づく新たな診断方法の開発が期待できるという。また、睡眠障害をより詳細な分類による適切な治療法の確立も期待される。

解析された16のクラスターは以下のとおり。