簡介
睡眠是健康與幸福的重要支柱。睡眠評估的臨床黃金標準——多導睡眠圖（PSG）——可提供詳盡的睡眠結構分析，但不適合用於常規或長期監測。其對複雜設備的依賴、高昂的成本，以及通常須在實驗室環境中進行等特性，使其成為一項干擾性的流程。消費者穿戴式與近身式裝置的普及提供了更易取得的替代方案，但其準確性往往缺乏嚴格的科學驗證，尤其是在居家環境中。
一項近期研究旨在填補這一空白，評估 Withings Sleep Analyzer（WSA）的準確性與可靠性。這款非接觸式睡眠感測墊放置於床墊下方，在大批多元化的受試者於其自家中進行同步PSG錄製時，直接與之進行比較。本研究探討了該感測器在真實環境中的表現，為消費者睡眠追蹤技術的現況提供了重要見解。
方法
本研究共納入117名健康受試者，其中包含69名女性，平均年齡約40歲。每位受試者在自己的床上佩戴PSG設備並同時啟動床墊下感測裝置，進行一個晚上的睡眠監測。此設計使消費者裝置所記錄的數據與臨床參考標準得以逐時期直接比較。分析聚焦於兩項主要目標：區分睡眠與清醒狀態的準確性，以及分類各睡眠階段（包括淺眠、深眠及REM睡眠）的精確度。採用標準分類指標評估性能，以確保評估的嚴謹性。
結果
研究發現，該非接觸式裝置在辨識睡眠與清醒狀態方面表現有效。在此核心任務中，整體準確率達87%，偵測睡眠的靈敏度高達93%，偵測清醒狀態的靈敏度則為73%。一項值得關注的優點是該睡眠感測墊在各子群體中的穩定表現。無論受試者的年齡、BMI、性別、床墊類型、床墊厚度、睡眠品質或是否有同床伴侶，睡眠-清醒偵測的準確性均保持穩定。
在特定睡眠階段的分類上則出現了挑戰。感測器睡眠分期的平均準確率為63%，Cohen's Kappa值為0.49。主要困難在於區分淺眠與深眠。這導致睡眠時長估計出現系統性偏差：裝置傾向於平均高估20分鐘的總睡眠時間，但大幅高估淺眠達1小時21分鐘。相反地，REM睡眠被低估了15分鐘，深眠則被低估了較顯著的46分鐘。
值得注意的是，感測器出現的大部分錯誤分類，與專業人工評分者在評閱PSG數據時的分歧相呼應，尤其是在淺眠與深眠的邊界上。此外，受試者表示，使用PSG設備的那個晚上，其主觀睡眠品質明顯變差，突顯了黃金標準本身的干擾性。
與市場上其他裝置相比，Withings Sleep Analyzer 在睡眠-清醒辨別方面展現出極具競爭力的表現。在更為精細的睡眠階段分類任務上，其準確性與同類產品相當。考量到睡眠分期所面臨的系統性挑戰，這樣的表現水準尤為值得關注。
結論
對於希望了解自身數週乃至數月睡眠狀況的使用者而言，Withings Sleep Analyzer 這類裝置的主要優勢在於其實用性。其非接觸式「設置後即可忘記」的特性，消除了每晚佩戴裝置的負擔，並避免了可能干擾睡眠的不適感——即便是臨床黃金標準也存在這一問題。儘管感測器在區分特定睡眠階段方面的準確性仍有待提升，但其在追蹤整體睡眠與清醒時間上的強勁表現，可提供對睡眠時長與規律性的可靠洞察。這種可及、無干擾且縱向的監測能力，正是居家感測器目前能提供最大價值的所在，讓使用者掌握其長期睡眠趨勢的有意義數據。
海報展示：時間與地點
「評估非接觸式睡眠監測裝置在健康族群中相較於居家多導睡眠圖之睡眠階段偵測效能」
場次主題：海報摘要第二組
場次日期：2025年9月8日（星期一）
發表時間：下午6:00至7:00（發表作者將在排定的一小時展示期間全程駐守於其指定的海報板旁。）
海報板編號：531
地點：海報將展示於4樓展覽廳，並可於大會正常開放時間內參觀。
關於 Marie-Ange Stefanos
Marie-Ange Stefanos 是一位機器學習研究科學家，同時也是巴黎西岱大學（法國）與雷克雅維克大學（冰島）聯合培養計畫的電腦科學與神經科學博士候選人。她擁有格勒諾布爾INP – Phelma的信號處理工程學位，以及瑞典皇家理工學院（KTH）的機器學習碩士學位，並由此踏上健康研究之路，核心問題是：如何將我的技術背景最有效地應用於解決人類健康中的重要挑戰？
她的博士研究聚焦於失眠症，她開發演算法，利用穿戴式裝置和自我報告的數據來識別預測性生物標誌物，並區分該疾病的亞型。這項研究完全依賴數據完整性，這也是她認為對消費者裝置進行嚴格驗證（如本文所討論）是將複雜訊號轉化為用戶可靠、可行動洞察的必要第一步之原因。