一项新的睡眠研究创新正在重塑传统的睡眠测试方式。这种方法旨在通过允许个人在家中仅使用两根电线进行研究，简化这一过程，从而消除通常在睡眠实验室中使用的一整套繁琐电线的需要。
休斯顿大学的巴文·R·谢思教授和前学生亚当·琼斯提出了一种创新的方法来分类睡眠阶段，这可能会替代当前的多导睡眠监测标准做法。多导睡眠监测涉及使用大量电线和传感器，通常在临床环境中进行。而这一新方法则利用基于单导心电图的深度学习神经网络，个人能够在自己家中轻松使用。
传统上，在睡眠实验室接受多导睡眠监测测试绝非轻松体验，身体的多个部位上附着着多个电极和电线。新的方法通过将电极数量减少到仅两根，简化了这一过程。
谢思和琼斯进行的研究表明，他们的方法的成果与多导睡眠监测相媲美，而无需复杂和昂贵的设备或临床医生来解释结果。这一进展挑战了对脑电图（EEG）的依赖，为更可及和具有成本效益的睡眠研究铺平了道路。
此外，通过在临床设置外实现高质量的睡眠分析，这项研究有望显著扩大睡眠医学的覆盖面。准确分类睡眠阶段对于诊断睡眠障碍和理解脑状态在医学和研究环境中至关重要。
研究中使用的基于心电图的模型是在一个包含4000个来自不同年龄组受试者的录音的数据集上训练的。研究结果表明，该模型的表现与临床医生评分的多导睡眠监测相当。
谢思强调，他们的方法超越了目前不使用EEG的研究和商业设备，仅使用单导心电图数据就达到了金标准水平的一致性。这一突破使得睡眠研究更经济实惠，质量更高，促进了加强睡眠研究和个性化医疗干预。
为了鼓励进一步研究和合作，琼斯已将完整的源代码免费提供给感兴趣的各方，网站为 https://cardiosomnography.com。该项目还涉及南加州大学的劳伦特·伊蒂的合作。
