Les données de fréquence cardiaque des montres connectées prédisent la qualité du sommeil avec une précision de 90 % grâce à l'IA
Des chercheurs ont utilisé des montres connectées Samsung pour suivre les variations de fréquence cardiaque au cours de la journée, puis ont prédit les perturbations du sommeil de la nuit suivante avec une précision de 90 %.
Résumé
Des chercheurs coréens ont développé un système d'IA qui prédit la qualité du sommeil en analysant la variabilité de la fréquence cardiaque mesurée par des montres connectées Samsung portées pendant la journée. L'étude a suivi 82 participants pendant jusqu'à 28 jours, en mesurant les patterns cardiaques diurnes pour anticiper les perturbations du sommeil de la nuit suivante. Leur réseau de neurones LSTM a atteint une précision de 90 % dans la prédiction du réveil après endormissement (WASO), un marqueur clé d'un mauvais sommeil. Le ratio LF/HF issu de la variabilité de la fréquence cardiaque s'est révélé être le meilleur prédicteur, des ratios plus élevés indiquant un sommeil plus fragmenté.
Résumé détaillé
Les perturbations du sommeil touchent jusqu'à 50 % des adultes, mais prédire les mauvaises nuits avant qu'elles ne surviennent pourrait permettre des interventions proactives. Cette étude coréenne montre comment les données quotidiennes d'une montre connectée peuvent anticiper la qualité du sommeil avec une précision remarquable.
Les chercheurs ont suivi 82 participants dans le cadre d'expériences menées en hiver et en été 2023, en collectant des données continues de variabilité de la fréquence cardiaque (HRV) à partir de montres Samsung Galaxy Watch Active 2 portées pendant les heures d'éveil. Les participants retiraient leur montre au coucher pour la recharger, de sorte que toutes les données prédictives provenaient des comportements diurnes. L'équipe a utilisé sept jours de données HRV antérieures pour prédire le temps d'éveil après endormissement (WASO) du lendemain, c'est-à-dire le temps passé éveillé après s'être initialement endormi.
Le résultat le plus marquant est que le ratio LF/HF — une mesure de l'équilibre entre le système nerveux sympathique et parasympathique — était fortement corrélé avec la fragmentation du sommeil. Les participants présentant des ratios LF/HF plus élevés ont connu un temps de WASO presque deux fois supérieur (14,9 vs 7,5 minutes). Intégré à un réseau de neurones LSTM avec des scores de questionnaires sur le sommeil, ce paramètre a permis d'atteindre une précision de 90,4 % dans la prédiction des mauvaises nuits.
Cette approche pourrait révolutionner la médecine du sommeil en passant d'un traitement réactif à une prévention prédictive. Plutôt que de traiter l'insomnie une fois qu'elle s'est manifestée, les personnes pourraient recevoir des recommandations personnalisées basées sur leurs schémas de stress diurnes. Le système a non seulement identifié quelles personnes dormiraient mal, mais a également fourni des explications sur les raisons de ce phénomène — principalement un déséquilibre du système nerveux autonome reflété dans les patterns de fréquence cardiaque.
La force de cette étude réside dans son applicabilité réelle à partir d'appareils grand public, bien que la population de participants relativement jeune (âge moyen de 25 ans) et les courtes périodes de suivi en limitent la généralisabilité aux adultes plus âgés souffrant de troubles chroniques du sommeil.
Principales conclusions
- LSTM neural networks predicted next-day sleep disruptions with 90.4% accuracy using smartwatch data
- LF/HF heart rate ratio was the strongest predictor, with higher ratios doubling wake time
- Seven days of daytime heart patterns provided sufficient data for reliable sleep forecasting
- Consumer Samsung smartwatches generated clinically relevant sleep predictions
- Participants with higher stress ratios had 14.9 vs 7.5 minutes of nighttime wake time
Méthodologie
Étude prospective portant sur 82 participants équipés de dispositifs Samsung Galaxy Watch Active 2 durant deux périodes de 26 à 28 jours en 2023. Des caractéristiques de variabilité de la fréquence cardiaque extraites de signaux PPG diurnes ont été utilisées pour entraîner plusieurs modèles d'apprentissage automatique prédisant le WASO du lendemain.
Limites de l'étude
La population étudiée était composée principalement de jeunes adultes (âge moyen de 25 ans), ce qui limite l'applicabilité des résultats aux populations plus âgées. La courte durée du suivi et le retrait des appareils pendant le sommeil risquent de manquer des patterns nocturnes importants qui influencent la qualité du sommeil.
Ce résumé vous a plu ?
Recevez les dernières recherches sur la longévité dans votre boîte de réception chaque semaine.
Saisissez votre e-mail pour vous abonner :