已驗證準確度 · 方法公開
SomniSense 到底有多準確？
單一四捨五入的準確度數字會隱藏任務。我們分別公布已標註 1 秒鼾聲片段與已標註 200 秒呼吸視窗的結果，以及裝置端模型的大小與延遲。正式版事件邊界、夜間指數與個人趨勢不會繼承這些基準結果。
WHAT SOMNISENSE ADDS
把基準連結到它能支持、以及不能支持的產品輸出。
SomniSense 真實 App 畫面呈現正式版的證據單位：模型估計的候選類型、時間與時長、標記波形、可用音訊，以及整夜位置。已發表的 200 秒視窗結果支持其本身的分類任務；它不會獨立驗證每個正式版事件的邊界、時長、個人 BRI 或診斷。
- Candidate pause-like or shallow-breathing-like type, time, and model-estimated duration
- The marked waveform region and locally available audio for review
- Whole-night position, followed across nights in recent comparisons and structured reports
Phone audio is a limited wellness signal. Candidate regions are not clinical apnea events, AHI, oxygen measurements, airway-source findings, or a diagnosis.
為什麼必須先定義任務
目前研究以公開預印本提供，尚未完成同儕審查。每個主打數字都屬於特定的標註任務、資料集與評估程序。
因此，我們會把任務寫在指標旁，不把基準結果延伸到事件邊界、時長、產品標籤、個別臥室或臨床診斷。若日後的同儕審查或擴大驗證改變結果，本頁會隨之更新。
單一數字的問題
單一四捨五入的「準確」百分比並不完整，除非先問：對什麼準確、在哪個族群、又以哪一組參考標籤為準？鼾聲片段分類、呼吸視窗分類、正式版事件邊界與整夜指數，是證據各不相同的問題。
SomniSense 將準確度拆成數個數字，每個都對應一個特定問題。沒有任何單一基準能說明產品的全貌。
一個 App、兩個指數——以及驗證數字為何要分開
SomniSense 每晚產生兩個由產品定義的指數。其底層模型基準評估不同任務：
- BRI（Breathing Irregularity Index）——每估計睡眠小時的候選呼吸不規則聲學模式數。底層正式版基準在 200 秒視窗分類上報告 88.49% 準確度與 88.06% F1，另有 Apple M2 Neural Engine 上的 56.4 KB／0.064 ms 推論。
- SRI（Snoring Rate Index）——每小時鼾聲事件數。底層 1 秒鼾聲事件基準報告 91.67% 敏感度與 89.01% 精確率。
BRI 與 SRI 都是產品定義的健康觀察指數。BRI 不是 AHI，而視窗分類基準不會獨立驗證用來組成夜間指數的每個事件。
研究測量什麼，以及 BRI 實際做什麼
三件經常被混為一談的不同事情。我們盡量不混用：
- 視窗分類（Paper E 驗證的內容）。給定一個已標註的 200 秒床邊音訊視窗，模型將其分類為正常或呼吸暫停或呼吸不足。正式版基準：88.49% 準確度與 88.06% F1。
- 每晚 BRI（App 每晨報告的內容）。App 彙整整段記錄中的候選正式版事件：
BRI = 候選呼吸不規則事件／估計睡眠小時。這是產品定義的聲學比率，不是臨床 AHI。 - OSA（Obstructive Sleep Apnea）診斷——這是睡眠專科醫師做的事，不是 SomniSense 所做的事。臨床診斷依據多導睡眠檢查、日間症狀評估與醫師判斷。BRI 是資料；OSA 診斷由醫師決定。
事件開始、事件結束、時長、產品標籤、夜間 BRI 與個人趨勢都是正式版輸出。除非另有已發表分析評估該項確切輸出，否則不應描述為已由 200 秒視窗結果獨立驗證。
我們實際公布的基準數字
| 問題 | 數字 | 這代表什麼 |
|---|---|---|
| 在已標註的鼾聲片段中，偵測器捕捉到多少？ | 91.67% | 1 秒片段的鼾聲事件敏感度（召回率）；五個隨機種子平均值。 |
| 當偵測器標記一個鼾聲片段時，判斷正確的比例是多少？ | 89.01% | 1 秒片段的鼾聲事件精確率；五個隨機種子平均值。 |
| 壓縮後的呼吸模型有多常正確分類已標註的視窗？ | 88.49% | 200 秒視窗上正常與呼吸暫停或呼吸不足分類的正式版基準準確度。 |
| 呼吸視窗在各類別間的表現有多均衡？ | 88.06% | 同一壓縮正式版基準的 F1。Paper E 未公布正式版的敏感度／精確率組合，因此我們不加以推導。 |
研究資料庫包含來自 40 位參與者的 80 個配對 PSG 夜晚（10 個實驗室內 + 70 個使用鼻氣流導管的居家 PSG）。請查看所連結的預印本，確認每項所報指標適用的子集、標籤與評估程序。
最後那一點——「不知道我們說了什麼」——就是「盲法評分」的意思。我們不能先用自己的答案訓練評分者，否則測試就會形成循環。
我們如何測試（白話方法說明）
偵測表現以實驗室內和居家夜晚的 PSG 參照記錄衡量，音訊由合格睡眠技術人員標註。他們評分的每個音訊片段都不知道 SomniSense 的輸出。這種分離讓評估保持獨立。
具體而言：
- 樣本：80 個配對夜晚／40 位參與者（智慧型手機 + PSG 同步）——10 個實驗室 PSG + 70 個使用鼻氣流導管的居家 PSG。包括有、無已診斷睡眠呼吸疑慮的成人。我們公開說明代表不足的族群（主要是未滿 18 歲、BMI 極端嚴重者及某些族群），而不是用一個彙總數字掩蓋。我希望具體說明哪些人不在此群組中，因為缺少脈絡的彙總樣本數可能造成誤導。
- 錄音媒介：床邊智慧型手機（2018 年起的不同 iPhone 與 Android 機型），距參與者頭部 50–90 cm。
- 真值：具同步音訊聲道的 PSG；由受過 AASM 訓練的睡眠技術人員手動評分，且不知道 SomniSense 輸出。
- 已發表比較：任務專屬的鼾聲片段與呼吸視窗分類指標。正式版事件邊界與夜間指數需要各自的評估，不會暗中繼承這些結果。
呼吸事件偵測演算法建立在創辦人多年的睡眠呼吸暫停研究上。SomniSense 使用的版本由零開始重新訓練，並為 SomniAI LLC 重建，專門處理智慧型手機音訊——它的麥克風、距離與聲學情境都不同於臨床硬體。三篇配套預印本完整記錄方法：串聯基準預印本（多隨機種子 bootstrap）、Coordinate-Attention 1D 架構預印本（參數減少 93.2%），以及裝置端壓縮預印本（Apple Neural Engine 上每次推論 0.064 ms）。全文都以可引用 DOI 公開發表於 Zenodo（cs.LG、eess.AS）。如要了解兩階段系統如何配合及完整預印本組合，請查看研究計畫。完整技術中心——深入架構、SDK，以及供硬體和臨床合作夥伴使用的授權——位於 apneasense.com/research。
誠實說明限制
以下是我們仍不知道的事，也是如果我是使用者會想知道的事：
- 此群組無法代表所有人。個人或代表不足族群的表現可能不同；我們不假設已發表的彙總結果對任何特定個人而言都偏保守。
- 聲學環境很重要。如果你的臥室有不尋常的聲學特性——硬質表面、伴侶的鼾聲比你更大，或風扇直接吹向手機——模型可能會少捕捉一些你的事件。方法論文記錄了我們測試的條件。
- 正式版輸出需要針對輸出的驗證。視窗基準無法確立 App 中每個事件邊界、時長、標籤、BRI 值或趨勢的準確度。
- 尚未針對未滿 18 歲者驗證。群組僅包含成人。
- 屬於預印本，尚未同儕審查。三篇配套預印本已在 Zenodo 以可引用 DOI 公開發表；同儕審查期刊發表是另一個流程，完成時會在本頁註明。
這不是什麼
- 不是診斷主張。即使有這些數字，SomniSense 仍不是醫療器材，也不診斷阻塞性睡眠呼吸暫停（OSA）。OSA 診斷需要多導睡眠檢查、症狀評估及睡眠專科醫師判斷。SomniSense 尚未針對未滿 18 歲的使用者驗證。
- 不是個人保證。你的特定結果可能不同於族群平均值。請閱讀方法論文，了解你的情境是否落在資料分布內。
- 不能取代睡眠檢查。請勿把臨床 AHI 閾值套用到 BRI。無論 App 顯示的數值如何，症狀或疑慮都值得尋求專業評估。
不確定這是不是你的問題？從症狀開始
如果你來這裡是想在信任 App 前檢查證據，另一個入口就是你實際感受到的情況。以下各頁會說明症狀背後的呼吸模式及可以採取的行動：
如果這樣的證據程度足以讓你安心
Free 保留首晚的核心候選證據、每晚 5 次音訊播放和近期 7 天趨勢。Pro 增加的是連續性，不會剝奪檢視首晚結果的基本權利。購買詳情請見定價頁面。
從 Free 開始 逐項查看基準及其邊界 →