La investigación detrás de SomniSense.

Lo que quisimos probar

La pregunta del benchmark es deliberadamente limitada: ¿con qué precisión puede un modelo basado en el micrófono del teléfono clasificar segmentos de ronquido etiquetados de 1 segundo y ventanas respiratorias etiquetadas de 200 segundos en registros con referencia PSG?

No pregunta si un teléfono sustituye a la PSG, ni valida el BRI nocturno, los límites o la duración de eventos ni un diagnóstico. Todo lo siguiente describe las dos tareas de clasificación evaluadas y sus límites.

El estudio de validación

El rendimiento de detección se midió frente a la referencia clínica del registro del sueño —polisomnografía (PSG) en laboratorio y ambulatoria— en noches en las que el teléfono y el equipo PSG grabaron a la misma persona, la misma noche y a la misma hora.

• Muestra. 80 noches emparejadas de 40 participantes: 10 noches de PSG en laboratorio y 70 noches de PSG ambulatoria con cánula de flujo nasal. Adultos con y sin problemas respiratorios del sueño diagnosticados. Por honestidad indicamos que algunos grupos están infrarrepresentados —menores de 18, extremos de BMI y determinados grupos demográficos—, en vez de ocultarlo tras una gran cifra agregada.
• Medio de grabación. Un smartphone corriente junto a la cama (una combinación de modelos iPhone y Android desde 2018), a 50–90 cm de la cabeza del participante. No es equipamiento de laboratorio. Queríamos probar lo que los usuarios tienen realmente.
• Referencia. El audio de la PSG fue evaluado por técnicos del sueño formados según AASM que no conocían lo que SomniSense había dicho sobre cada segmento. La evaluación ciega evita que la prueba sea circular: quienes evalúan no ven antes nuestra respuesta.
• Límite de las salidas de producción. Los límites, la duración y las etiquetas de tipo de los eventos, el BRI nocturno y las tendencias personales son salidas del producto. Necesitan análisis específicos y no heredan la precisión del benchmark de ventanas publicado.

El desglose completo cifra por cifra —métricas de segmentos de ronquido, métricas de ventanas respiratorias y rangos bootstrap— está en /accuracy, escrito para quien quiera examinar cada dato.

Cómo funciona realmente el sistema

SomniSense no es un solo modelo. Es una cascada de dos, y la estructura es la parte de la que más orgulloso estoy, porque permite que un modelo del sueño en tiempo real sea lo bastante pequeño para vivir en un teléfono y no en un centro de datos.

• Etapa 1: escucha de ventana corta. Una CNN pequeña examina un segundo de audio cada vez y plantea una sola pregunta: ¿eso fue un ronquido? Lo hace cada segundo, durante toda la noche.
• Etapa 2: lectura de ventana larga. Esas respuestas por segundo, junto con dos características sencillas de volumen, se organizan en una cuadrícula compacta de 200 × 3: unos 600 números que describen un tramo de 200 segundos de la noche. Una segunda CNN lee esa cuadrícula y decide si el tramo contenía una irregularidad respiratoria.

El truco está en esa cuadrícula intermedia. La mayoría de los modelos de audio arrastran un espectrograma pesado, de varios MB por ventana. Al comprimir cada ventana hasta unos 600 números antes de la segunda etapa, toda la canalización se reduce a un modelo de menos de 60 KB que funciona en 0.064 ms en Apple Neural Engine. Esto es lo que «en el dispositivo, sin nube» exige internamente.

Algunos detalles del sistema en el dispositivo —incluidos la cascada, la compresión, el control de paso y la arquitectura de inferencia que preserva la privacidad— están cubiertos por solicitudes provisionales de patente de EE. UU. presentadas por SomniAI LLC. Están pendientes y no han sido objeto de examen sustantivo; el estado de la solicitud no valida un benchmark, un resultado clínico ni un diagnóstico.

Los trabajos

La cascada completa de dos etapas se describe en un trabajo: un preprint de Research Square con DOI citable. Bajo él, tres preprints complementarios documentan cada parte por completo, publicados abiertamente en Zenodo, cada uno con su propio DOI (categorías cs.LG y eess.AS). Ninguno ha pasado revisión por pares, así que los llamaré preprints, no artículos con el aval de una revista. Los enlaces DOI están abajo.

1. Paper A — Una canalización CNN en cascada de dos etapas para detectar audio del sueño con smartphones

   Las dos líneas base CNN y la estructura en cascada, validadas con bootstrap de varias semillas para que las cifras no dependan de una única división afortunada.

   Yang L. (SomniAI LLC) · cs.LG, eess.AS · Zenodo · doi:10.5281/zenodo.20662374

2. Paper C — Coordinate Attention para detectar apnea del sueño mediante audio 1D

   Un diseño Coordinate-Attention unidimensional para la etapa de eventos respiratorios: una reducción de parámetros del 93% respecto a la línea base simple, estudiada con varias semillas.

   Yang L. (SomniAI LLC) · cs.LG, eess.AS · Zenodo · doi:10.5281/zenodo.20663376

3. Paper E — Compresión en el dispositivo para detectar apnea del sueño

   Cómo pasa el modelo de una red de tamaño de investigación a la versión de menos de 60 KB que se distribuye: entrenamiento consciente de cuantización más poda estructurada, sin perder precisión.

   Yang L. (SomniAI LLC) · cs.LG, eess.AS · Zenodo · doi:10.5281/zenodo.20663768

Por qué usamos preprints antes de la revisión por pares

La revisión por pares tarda meses. Esperar significaría no darte nada concreto que comprobar mientras tanto. Por eso publicamos ahora la metodología, abiertamente, como preprints que puedes leer y cuestionar, con la advertencia explícita de que no se han revisado formalmente. Cuando cambie, cambiará esta página y diré qué ha cambiado.

Qué es esta investigación y qué no es

La validación informa del rendimiento de clasificación en dos tareas acústicas con referencia PSG. No convierte una app de bienestar en un dispositivo médico ni se extiende automáticamente a todas las salidas de producción.

• No es un diagnóstico. SomniSense informa de un Breathing Irregularity Index (BRI), definido por el producto, a partir del audio del micrófono. BRI no es AHI clínico ni diagnostica apnea obstructiva del sueño.
• No sustituye un estudio del sueño. Un diagnóstico requiere un profesional clínico cualificado y pruebas clínicas adecuadas. Síntomas como pausas observadas, jadeos o somnolencia diurna persistente —no un umbral de la app— justifican plantearse esa conversación.
• No validado para menores de 18. La cohorte solo incluyó adultos.

¿Lees esto por un síntoma?

La investigación es la capa de prueba. Si llegaste aquí por algo que sientes realmente, estas páginas empiezan por el síntoma en vez de por el método:

• → Despertarse jadeando
• → Cansancio después de ocho horas
• → Ronquidos fuertes