东京大学的上田泰己教授等人与索尼集团组成的研究团队开发出了一种新的分析算法（计算方法），能够高精度检测出睡眠中短暂醒来的现象。该算法与手表型可穿戴终端配合使用。这种短暂觉醒有时本人也不记得，可能会引起身心萎靡。今后预定与东京大学的校办初创企业ACCELStars（福冈县久留米市）合作，2023年上市配备该算法的终端。
ACCELStars正在开发的可穿戴终端（图片由ACCELStars提供）
PSG检测时的状态。虽然准确率高，但要佩戴大量传感器，检测起来比较麻烦（图片由ACCELStars提供）
佩戴手表型终端，可以通过手臂的动作来检测睡眠中的身体状态。美国苹果和Fitbit等公司已在销售此类型终端。
然而，有报告显示，主要终端虽然能以90%以上的准确率分辨睡眠状态，但对于睡眠期间的暂时觉醒状态等只能以40～60％的准确率分辨。例如很难区分翻身和醒来的状态。
手表型终端通常会检测加速度，也就是施加在手臂的力。研究团队开发了利用机器学习分析相当于加速度时间变化率的“跃度”的方法。
这种方法能以约96％的准确率分辨睡眠状态，以约80％的准确率分辨暂时觉醒状态。上田教授表示：“并不是像以前那样只看手臂的动作幅度，而是捕捉动作模式进行区分。”
睡眠中的暂时性觉醒是失眠和睡眠呼吸暂停综合征等睡眠障碍的症状之一，需要妥善的诊断和治疗。据说患抑郁症等也会发生这种现象。但在多数情况下，我们在早上醒来后就已经不记得夜里醒来的次数和时长。光靠主观感受很难准确分析症状。
还有调查脑电波、眼球运动和呼吸状态等的“多导睡眠监测（PSG）”法。这种方法虽然能准确分辨睡眠和觉醒，但需要在身体上佩戴大量传感器，一般在拥有高级设备的医院实施。所以需要开发一种能利用可穿戴终端简单、准确地分析的方法。
新方法将配备于ACCELStars公司开发的终端。已从2022年2月中旬开始与久留米市和久留米大学等共同启动利用该终端监测睡眠状态以进行改善的验证实验。首先计划作为保健设备上市。还打算作为预防和治疗睡眠障碍的医疗设备推进开发。
上田教授表示：“我们还打算将该方法应用于预防生活方式病的特定体检。”关于睡眠习惯，不仅要询问“休息时间是否足够”，通过使用新方法，还能根据测量值准确分析睡眠状态。这将有助于改善治疗和生活习惯。
日文：尾崎达也、《日经产业新闻》，2022/02/07
中文：JST客观日本编辑部
