研究 · 検証 · 公開された方法
SomniSense を支える研究
睡眠時無呼吸検出アプリSomniSenseは、80晩の録音を臨床睡眠検査(PSG)の判定ラベルと対応づけた、独自の音響分析研究を基盤としています。何を調べ、何がわかったのかを以下でご紹介します。研究結果と、自分のレポートにとっての意味は、正確さについてのガイドをご覧ください。
検証しようとしたこと
研究で問うたのは、PSGの参照注釈と対応する録音で、スマートフォンのマイクを使うモデルが、ラベル付きの1秒のいびき区間と200秒の呼吸音声ウィンドウをどの程度正確に分類できるかです。
検証研究
検出性能は、睡眠記録の臨床参照であるラボ内および在宅の睡眠ポリグラフ検査(PSG)と比較して測定しました。スマートフォンと PSG のセットアップが同じ人を、同じ夜、同じ時刻に記録した夜を用いています。
- 対象者と記録。40人から得た、PSGと対応づけた延べ80夜の記録を使用しました。内訳は、検査室内のPSGが10夜、鼻の気流を測るカニューレを用いた携帯型PSGが70夜です。参加者は成人で、睡眠中の呼吸に関する問題の診断を受けた人と、受けていない人の両方が含まれます。あらゆる年齢、体格、背景の人を網羅した集団ではありません。18歳未満や一部の集団は十分に含まれていないため、結果をすべての人に当てはめることはできません。
- 録音機器。一般的なスマートフォンやタブレットのマイクを使い、参加者の自宅の寝室を含む、さまざまな部屋や環境音の条件で録音しました。
- 臨床の参照情報。 録音にはPSG睡眠検査の判定ラベルが対応づけられており、研究では音のパターンを臨床の判定と照らし合わせることができました。
精度のガイドでは、いびき区間と呼吸ウィンドウそれぞれの結果を、何を調べた数値なのかとともに説明しています。
研究を、自分の一晩につなげる
私たちは独自の音声解析アルゴリズムを開発しています。対応づけた記録により、身近な機器で録音した音のパターンと、臨床睡眠検査の注釈との関係を研究できます。
圧縮モデル研究は、ラベル付き200秒間の呼吸ウィンドウを単一シードで評価し、分類正解率88.49%を報告しました。いびきの研究では、1秒間の音声サンプルの分類正解率は94.29%でした。それぞれ異なる研究課題の結果です。詳しい方法と結果は論文をご覧ください。
SomniSense では、この研究が、自分で見返せる記録を支えています。マークされた時点を探し、波形を見て、前後の音を聞けます。研究の割合は評価した課題を表すもので、個人の診断や、その夜の各マークの正確さを示すものではありません。症状が気になってこのページを開いた方には、下のガイドで適切な医療評価を受ける目安を説明しています。
スマホ上で行う独自の音響分析について、米国仮特許出願3件を行っています。方法と結果は論文でお読みいただけます。
論文
Research Square の統合論文は、これまでの音声解析研究をまとめ、発展させたものです。下記の関連論文3本はZenodo で公開しています。これら4本の公開プレプリントで方法と結果を読めますが、査読済みの学術誌論文ではありません。
- A Two-Stage Audio Cascade with Coordinate Attention for On-Device Snore and Sleep Apnea Detection
主論文は、これまでの音による検出手法と、注意機構を用いたモデルをまとめています。関連論文では、比較の基準となるモデルと注意機構を用いたモデルの評価を詳しく説明し、別の圧縮研究で端末上の実行を検討しています。互いに関連する研究であり、4つの独立した臨床集団による研究ではありません。
Yang L. (SomniAI LLC) · Research Square · 第1版、2026年7月3日 · doi:10.21203/rs.3.rs-10154077/v1
- A Cascaded Two-Stage CNN Pipeline for Audio-Based Snore and Sleep Apnea Detection on Smartphones: Reference Baselines with Multi-Seed Validation
PSGと対応づけた録音で、いびきと呼吸異常を見つける睡眠音声分析を評価しています。
Yang L. (SomniAI LLC) · Zenodo · doi:10.5281/zenodo.20662374
- Coordinate Attention for 1D Audio-Based Sleep Apnea Detection: A Multi-Seed Empirical Study on Smartphone-Deployable Architectures
睡眠中の音声から呼吸異常を認識する方法を調べています。評価した課題と結果は論文をご覧ください。
Yang L. (SomniAI LLC) · Zenodo · doi:10.5281/zenodo.20663376
- Compression Pipeline for Sub-Millisecond Sleep Apnea Detection on Mobile Neural Engines
スマホによる呼吸分析を研究し、評価した呼吸音声の課題について結果を報告しています。
Yang L. (SomniAI LLC) · Zenodo · doi:10.5281/zenodo.20663768
この研究を土台に、SomniAIは、より多くの診療所やユーザーとの協力を、長期的な研究の重要な方向性と考えています。
症状があって読んでいますか?
症状が気になって読んでいる方は、自分が気づいたことに合うガイドからご覧ください。
- → 息苦しくて目が覚める
- → 8 時間寝ても疲れている
- → 大きないびき
実際の結果を見てから、自分の一晩へ。
対応スマートフォンで始め、自分の夜に何がマークされたかを見てみてください。レポートでは、時刻、波形、録音した音をまとめて確認できます。
スマホをベッドのそばに置いて、朝になったら自分の夜の記録を確認。
最初の呼吸異常レポートは内容をすべて無料で確認でき、あとからも見返せます。
有効なレポートがまだできていなくても、次の夜に無料でまた試せます。
録音と分析は引き続き無料です。以後の夜の呼吸異常レポートをすべて確認するにはProが必要です。いびき機能は引き続き無料です。
精度の詳細を見る →
SomniSense