睡眠技師 江永慶

人工智慧（Artificial intelligence ,AI）研究討論和學科分支甚廣，泛指電腦系統執行人類思維的能力，將收集的大數據資料藉由機器分析圖像或文字，再透過神經網路到複雜預測模型的機器學習，能夠快速擴展資料、執行語音、視覺識別、模擬決策以及提供最佳分析等。隨著硬體技術革新，長時間追蹤和測量睡眠的生理訊號已被廣泛實踐，並且結合臨床、實驗室客觀數據與高複雜演算法，人工智慧正在睡眠醫學領域迅速崛起，使得現代人更深入瞭解睡眠以及睡眠障礙。
穿戴裝置和智慧手錶的普及性，讓人工智慧進入大眾的日常生活中，例如製造商利用光體積變化描記法量測心率，同時收集大量心率資訊，並且利用機器學習來評估睡眠。近期一項研究表明，根據手腕心率監測器量測出的心率變異特徵，以及搭配三軸加速度計感測動作，預測睡著或清醒的準確率達55%，預測睡眠分期的準確率達42%。此外，人工智慧也被常應用於智慧型手錶，藉由深度神經網路分析動作和心率訊號評估睡眠分期與呼吸狀態。目前仍然不少睡眠患者沒有被確立診斷，並且也有許多患者尚未治療睡眠問題，可以透過人工智慧穿戴式裝置進行大量數據的自動分析，從而識別睡眠障礙患者提高陽性檢出率，並預測患者治療的尊從性以提供個人化的治療方案以及臨床照護訊息。

睡眠是多種器官系統動態變化的生理行為，而目前診斷睡眠障礙的黃金標準是多導睡眠圖檢查(Polysomnography, PSG)，但必須在睡眠中心記錄整夜，身上黏貼各項感應器，而且需要睡眠技術員執行監測，紀錄後還需要每30秒就手動判讀一次，才可將睡眠分出期別以及判斷睡眠問題，雖然它是睡眠醫學客觀檢測的基石，但檢查流程嚴謹耗時以及判讀過程是力困筋乏。自有數位睡眠檢查，便有開始睡眠自動分期的研究，但由於樣本量不足，只能限制在特定患者的演算能力，因此無法推廣。但目前已經有許多人工智慧應用於多導睡眠圖的研究被發表，而且克服以往的研究限制，一項研究從數千名參與者的資料數據中，分析睡眠腦波的紡錘波、delta波關鍵特徵，同時利用心率變異性、呼吸型態演算覺醒和睡眠階段的轉換，最後將不同族群和相異睡眠腦波特徵進行訓練，研究結果顯示機器學習演算睡眠分期的準確性與睡眠技術員判讀一致性可達八成，在不同患者中也能保持穩健的演算能力，如果再結合睡眠技術員審核，便可以提高的可靠性，減少記錄到判讀的時間，能夠降低睡眠專業人員的負擔，加深對睡眠障礙和健康的理解。

多導睡眠圖中判讀呼吸事件和運動障礙，也需透過目視確認呼吸氣流和呼吸動作型態，睡眠技術員進行手動判斷需要大量時間與精力。近期一項模仿生物神經系統的人工智慧研究，利用深度神經網路進行測試和訓練10,000多導睡眠圖檢查數據，自動計算出檢查數值，結果顯示判讀睡眠暫停中止指數（Apnea Hypopnea Index, AHI）的相似度達到睡眠專家85%，判讀肢體動作指數(Limb Movement Index, LMI)的相似度達到睡眠專家的79%，證實目前人工智慧自動判讀準確性已緊追人工判讀之後。對於睡眠呼吸中止患者而言，睡眠暫停中止指數恐怕無法完全描述患者的潛在病因和臨床症狀，因此另一項研究依據多導睡眠圖特徵和臨床數據，利用人工智慧的反射回饋輔助圖形模式，用來識別睡眠呼吸中止症患者的通氣不穩定，以及人工智慧的輔助數據驅動模式，估計出上氣道塌陷程度和覺醒閾值，並使用機器學習早期預測出患者使用連續陽壓呼吸器治療的依從性，以提供患者更好的治療方案選擇。

人工智慧在睡眠醫學的擴展範圍包含嗜睡、失眠、晝夜節律障礙、睡眠-覺醒障礙、快速動眼睡眠行為障礙、睡眠相關運動障礙、預測發病率和死亡率等。儘管人工智慧進步飛耀，但要在臨床睡眠醫學完全實踐人工智慧仍然存在嚴峻的挑戰，需要面臨創建可用的資料數據、資料維護的後勤工作、建立標準演算法、人工智慧規範以及整合系統性研究等問題。目前雖然人工智慧可能無法取代人類，但它可以幫助臨床醫師更有效地做出決策，並加深睡眠在健康中不可或缺的理解。

參考資料：
1. Lovejoy, C. A., Abbas, A. R., & Ratneswaran, D. (2021). An introduction to artificial intelligence in sleep medicine. Journal of Thoracic Disease, 13(10), 6095.
2. Bandyopadhyay, A., & Goldstein, C. (2023). Clinical applications of artificial intelligence in sleep medicine: a sleep clinician's perspective. Sleep and Breathing, 27(1), 39-55.
3. Goldstein, C. A., Berry, R. B., Kent, D. T., Kristo, D. A., Seixas, A. A., Redline, S., & Westover, M. B. (2020). Artificial intelligence in sleep medicine: background and implications for clinicians. Journal of Clinical Sleep Medicine, 16(4), 609-618.