SomniSense を支える研究。

検証しようとしたこと

ベンチマークの問いは意図的に限定されています。PSG を参照した記録において、スマートフォンのマイクを使うモデルは、ラベル付き 1 秒いびき区間とラベル付き 200 秒呼吸ウィンドウをどれほど正確に分類できるか？

スマートフォンが PSG に代わるかは問わず、夜間 BRI、イベント境界、継続時間、診断も検証しません。以下はすべて、評価した 2 つの分類タスクとその限界について述べています。

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。

• サンプル。40 人の参加者にわたる 80 組の夜間記録。ラボ内 PSG 10 夜と、鼻気流カニューレを用いた在宅 PSG 70 夜です。睡眠呼吸に関する診断済みの懸念がある成人とない成人を含みます。誠実に伝えるため、過少代表の人々（18 歳未満、BMI の極端な人、一部の人口集団）を明記し、大きな集計値の陰に隠しません。
• 記録媒体。一般的なベッドサイドのスマートフォン（2018 年以降の iPhone と Android の混合）を、参加者の頭から 50–90 cm に配置しました。ラボ機器ではありません。利用者が実際に持っているものを試すことが目的でした。
• グラウンドトゥルース。PSG 音声は AASM の訓練を受けた睡眠技師が評価し、各区間に対する SomniSense の判定は伏せられていました。盲検評価は試験の循環を防ぐ部分です。評価者が先に私たちの答えを見ることはありません。
• 本番出力の境界。イベント境界、継続時間、タイプラベル、夜間 BRI、個人トレンドは製品出力です。出力別の分析が必要で、公表されたウィンドウベンチマークの精度を引き継ぎません。

いびき区間指標、呼吸ウィンドウ指標、bootstrap 範囲を数値ごとに詳しく示したものは /accuracy にあります。各数値を精査したい方のために書いています。

システムの実際の仕組み

SomniSense は 1 つのモデルではありません。2 つのモデルのカスケードです。この構造こそ私が最も誇りに思う部分です。リアルタイムの睡眠モデルをデータセンターではなくスマートフォンに収まるほど小さくできるからです。

• ステージ 1 — 短時間ウィンドウのリスナー。小型 CNN が 1 秒ずつ音声を見て、「今のはいびきか」という一つの問いだけを判定します。これを一晩中、毎秒行います。
• ステージ 2 — 長時間ウィンドウのリーダー。1 秒ごとの答えと 2 つの単純な音量特徴量を、コンパクトな 200 × 3 グリッドにまとめます。夜の 200 秒間を約 600 個の数値で表したものです。2 つ目の CNN がそのグリッドを読み、その時間帯に呼吸の不規則性が含まれていたかを判定します。

鍵は中間グリッドです。多くの音声モデルは、ウィンドウごとに数 MB の重いスペクトログラムを持ち回ります。2 段階目に渡す前に各ウィンドウを約 600 個の数値へ圧縮することで、パイプライン全体が 60 KB 未満となり、Apple Neural Engine 上で 0.064 ms で動作します。「オンデバイス、クラウドなし」を実現するには、内部でこれが必要です。

カスケード、圧縮、ゲーティング、プライバシーを保護する推論アーキテクチャなど、一部のオンデバイスシステムの詳細は、SomniAI LLC が出願した米国仮特許出願の対象です。これらの出願は係属中で、実体審査は行われていません。出願状況がベンチマーク、臨床結果、診断を検証するものではありません。

論文

2 段階カスケード全体は 1 本の論文、引用可能な DOI を持つ Research Square プレプリントにまとめています。その下で、3 本の関連プレプリントが各部分を完全に記録し、各々の DOI とともに Zenodo で公開されています（カテゴリ cs.LG、eess.AS）。いずれも査読前なので、学術誌の承認を得た論文ではなくプレプリントと呼びます。DOI リンクは以下です。

1. Paper A — スマートフォン睡眠音声検出のためのカスケード型 2 段階 CNN パイプライン

   2 つの CNN ベースラインとカスケード構造を、数値が一度の幸運な分割に依存しないよう複数シードの bootstrap で検証しました。

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

2. Paper C — 1D 音声ベース睡眠時無呼吸検出のための Coordinate Attention

   呼吸イベント段階の 1 次元 Coordinate-Attention 設計です。通常のベースラインからパラメータを 93% 削減し、複数シードで検討しました。

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

3. Paper E — 睡眠時無呼吸検出のためのオンデバイス圧縮

   研究規模のネットワークから実際に提供される 60 KB 未満の版へ、精度を損なわずに縮小する方法です。量子化認識学習と構造化プルーニングを使用します。

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

査読前にプレプリントを出す理由

査読には数か月かかります。待っている間、確認できる具体的なものを何も提示できなくなります。そこで方法を今、プレプリントとして公開し、読んで反論できるようにしました。正式な審査前であることは明記しています。状況が変わればこのページも変え、何が変わったかを説明します。

この研究が示すもの、示さないもの

検証は、PSG を参照した 2 つの音響タスクにおける分類性能を報告します。ウェルネスアプリを医療機器に変えるものでも、すべての本番出力へ自動的に拡張されるものでもありません。

• 診断ではありません。SomniSense はマイク音声から、製品定義の Breathing Irregularity Index（BRI）を報告します。BRI は臨床的な AHI ではなく、閉塞性睡眠時無呼吸を診断しません。
• 睡眠検査の代わりではありません。診断には有資格の臨床医と適切な臨床検査が必要です。目撃された呼吸停止、息苦しさ、持続する日中の眠気などの症状が、専門家への相談を検討する理由です。アプリの閾値ではありません。
• 18 歳未満では検証していません。コホートは成人のみです。

症状があって読んでいますか？

研究は証拠の層です。実際に感じていることからここへ来たなら、次のページは方法ではなく症状から始まります。

• → 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