🧬 biology

OSSMM: An Open-Source Sleep Monitor and Modulator

El artículo presenta OSSMM, una diadema portátil de bajo costo y código abierto que utiliza electrodos de fitness reutilizados y una aplicación Android para clasificar con precisión cuatro etapas del sueño y ofrecer capacidades de modulación, demostrando que la monitorización práctica del sueño es viable con configuraciones de hardware simplificadas y accesibles.

Autores originales: Jonny Giordano, Fergal Stapleton, Gabriel Palma, Barak A. Pearlmutter

Publicado 2026-05-19

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Jonny Giordano, Fergal Stapleton, Gabriel Palma, Barak A. Pearlmutter

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo

Imagina intentar entender el lenguaje secreto de tu cerebro mientras duermes. Durante décadas, los científicos han necesitado un equipo hospitalario masivo y costoso, con cables pegajosos y geles, para traducir ese lenguaje. Este artículo presenta un nuevo proyecto de código abierto llamado OSSMM (Monitor y Modulador de Sueño de Código Abierto) que tiene como objetivo traducir ese lenguaje utilizando una diadema simple y barata que podrías construir tú mismo por menos del precio de una buena cena (menos de 40 €).

Aquí está la historia de cómo lo hicieron, desglosada en partes simples:

1. El Problema: La Investigación del Sueño es Demasiado Costosa y Exigente

Piensa en los estudios tradicionales del sueño (Polisomnografía) como un traje de alta costura, hecho a medida. Es el "estándar de oro", pero es pesado, incómodo, cuesta miles de dólares y solo puedes usarlo en una habitación específica con un técnico observándote. Debido a que es tan difícil de conseguir, los investigadores a menudo tienen que elegir entre estudiar a pocas personas muy cuidadosamente o a muchas personas muy superficialmente.

Los autores querían construir una "chaqueta vaquera" de monitores de sueño: algo asequible, reutilizable, fácil de poner y abierto para que cualquiera lo repare o mejore.

2. La Solución: Una Diadema de Sueño de Bricolaje

El equipo construyó una pequeña diadema utilizando impresión 3D y piezas que se pueden comprar en cualquier tienda de electrónica para aficionados.

El Hardware: Es una diadema ligera (del tamaño aproximado de una moneda grande) que sostiene una pequeña computadora, un motor de vibración (para potencialmente despertarte o modificar tu sueño más tarde) y sensores.
Los Electrodos de la "Salsa Secreta": En lugar de usar electrodos médicos costosos y desechables, utilizaron tiras de plástico conductor tomadas de correas pectorales de fitness baratas (las que usan los corredores para controlar la frecuencia cardíaca). Las limpiaron con un paño húmedo y las reutilizaron cada noche.
La Configuración: La diadema se conecta inalámbricamente a un teléfono Android estándar, que actúa como el cerebro de la operación, almacenando los datos y mostrando los gráficos.

3. El Experimento: Una Persona, 15 Noches

Para probar si esta "chaqueta vaquera" podía funcionar realmente, uno de los investigadores usó la diadema durante 15 noches.

El Rival: Cada noche, también usaron un monitor de sueño de alta tecnología sin contacto (el Somnofy) en su mesita de noche. Este dispositivo ya ha demostrado ser bastante preciso en comparación con las pruebas hospitalarias.
El Objetivo: Querían ver si la diadema barata podía "hablar el mismo idioma" que el monitor costoso de la mesita de noche. ¿Podría la diadema distinguir entre estar despierto, sueño ligero, sueño profundo y soñar (REM)?

4. Los Resultados: La Diadema "Lo Entendió"

El equipo introdujo los datos de la diadema barata en tres programas diferentes de aprendizaje automático (piensa en ellos como tres estudiantes diferentes intentando resolver un rompecabezas).

El Ganador: Un programa (llamado Random Forest) lo acertó aproximadamente el 77% de las veces.
La Comparación: Este es un resultado muy sólido para un dispositivo tan simple, especialmente porque a la computadora no se le dieron trucos especiales ni matemáticas complejas para ayudarla. Simplemente miró las señales crudas y lo dedujo.
El Momento "¡Ajá!": La computadora se dio cuenta de que las pistas más importantes provenían de las ondas cerebrales captadas por las correas de fitness baratas. Aunque estas correas no estaban diseñadas para ondas cerebrales, lograron captar "firmas cerebrales" específicas (como los husos del sueño, que son pequeñas ráfagas de actividad cerebral durante el sueño ligero) que normalmente solo se ven con equipos médicos costosos.

5. Dos Grandes Sorpresas

El artículo destaca dos cosas que sorprendieron a los investigadores:

Las Correas Baratas Funcionan: Descubrieron que el plástico conductor de una correa de fitness de 5 dólares podía captar señales cerebrales que se veían exactamente como las ondas cerebrales complejas vistas en los hospitales. Es como descubrir que un clip puede conducir la electricidad tan bien como un cable de cobre para un trabajo específico.
Menos Cables Necesarios: Por lo general, para medir las ondas cerebrales, necesitas un cable de "tierra" (como un ancla de seguridad) para que la señal sea clara. Esta diadema funcionó perfectamente con solo dos cables en la frente y sin ningún cable de tierra. Es como conducir un coche con solo dos ruedas en lugar de cuatro y aún así lograr mantenerse en la carretera.

6. Lo Que Esto Significa (y Lo Que No)

Lo que significa: La barrera de entrada para la investigación del sueño se ha reducido. Cualquier persona con una impresora 3D y habilidades básicas de electrónica ahora puede construir un dispositivo que capture datos útiles del sueño. Los datos son de "código abierto", lo que significa que los planos son gratuitos para que todos los usen, copien y mejoren.
Lo que no significa (aún): Esto fue una prueba en una sola persona. No sabemos si funciona para todos (como niños, ancianos o personas con diferentes trastornos del sueño) hasta que más personas lo prueben. Además, aunque coincidió bien con el monitor de la mesita de noche, aún no se ha comparado directamente con la prueba hospitalaria del "estándar de oro".

Resumen

El proyecto OSSMM es como construir un telescópio casero. Durante mucho tiempo, necesitaste un observatorio masivo y costoso para ver las estrellas. Este equipo construyó un telescopio pequeño y barato con piezas domésticas que aún puede ver las estrellas con claridad. Demostraron que no necesitas un laboratorio de un millón de dólares para comenzar a entender el sueño; solo necesitas un poco de creatividad, algo de impresión 3D y la disposición de compartir los planos con el mundo.

Resumen Técnico: OSSMM: Un Monitor y Modulador de Sueño de Código Abierto

Planteamiento del Problema
La investigación sobre el sueño enfrenta barreras significativas en cuanto a costos, accesibilidad y validez ecológica. La polisomnografía (PSG) tradicional es el estándar de oro, pero es costosa (con un promedio de 1.575–1.840 dólares), requiere instalaciones clínicas e implica equipos incómodos y restrictivos. Por el contrario, las alternativas de bajo costo a menudo sufren de baja precisión o requieren configuraciones complejas que involucran geles conductivos y electrodos desechables. Además, la investigación activa sobre la modulación del sueño, que requiere la detección en tiempo real del estado para dirigirse a firmas neurales específicas, ha estado limitada por la falta de hardware asequible, transparente y fácilmente modificable. Existe una necesidad crítica de una plataforma que equilibre la asequibilidad con una calidad de datos suficiente para apoyar la clasificación de etapas del sueño y su modulación, sin los altos costos indirectos de la PSG tradicional.

Metodología
Los autores desarrollaron el Monitor y Modulador de Sueño de Código Abierto (OSSMM), un sistema de diadema portátil construido con componentes impresos en 3D y electrónica comercial disponible (COTS), con un costo total de materiales inferior a 40 euros.

Arquitectura de Hardware: El dispositivo utiliza un microcontrolador Seeed Xiao nRF52840 Sense para coordinar la adquisición de datos de tres placas de sensores: una IMU para movimiento de 6 grados de libertad, un sensor PPG para el pulso y una placa EKG AD8232 configurada para la adquisición de EOG/EEG. Cabe destacar que el sistema emplea dos electrodos de poliuretano termoplástico conductor (CTPU) incrustados en una correa pectoral de fitness estándar. Estos electrodos se colocan de forma frontal para capturar una señal diferencial sin un electrodo de referencia a tierra dedicado. Se incluye un motor de vibración para una posible modulación del sueño. Los datos se transmiten mediante Bluetooth de Baja Energía (BLE) a una aplicación complementaria para Android.
Diseño Experimental: El estudio empleó un diseño de concepto de prueba con un solo participante (N=1) para validar la funcionalidad del sistema y la fiabilidad del hardware antes de un despliegue más amplio. Los datos se recopilaron durante 17 noches, con 15 noches que cumplieron los criterios, generando 15.285 épocas de 30 segundos.
Referencia y Etiquetado: Las etiquetas de las etapas del sueño fueron proporcionadas por un monitor de sueño sin contacto validado, el Somnofy SM-100 (que muestra un acuerdo de $\kappa=0.63$ con la PSG). El conjunto de datos se dividió en 12 noches para entrenamiento y 3 noches para prueba.
Procesamiento de Señal y Clasificación: Los datos crudos se digitalizaron a 250 Hz. Se extrajeron características de las épocas de 30 segundos, incluyendo 8 características de pulso, 12 características de movimiento IMU y 22 características de EOG/EEG (incluyendo potencia en bandas de frecuencia canónicas: delta, theta, alpha, beta y gamma). Se evaluaron tres clasificadores de aprendizaje automático: Máquina de Vectores de Soporte (SVM), Bosque Aleatorio (RF) y XGBoost (XGB), utilizando validación cruzada Group K-Fold para evitar la fuga de datos entre noches. Los hiperparámetros se buscaron manualmente para evaluar la calidad de la señal de referencia en lugar de maximizar el rendimiento mediante un ajuste extensivo.

Contribuciones Clave

Plataforma de Código Abierto: El OSSMM proporciona una plataforma de hardware y software completamente transparente y de bajo costo (<40 euros). Todos los diseños, códigos e instrucciones de construcción están disponibles públicamente, permitiendo a los investigadores ensamblar, modificar y replicar el sistema.
Utilidad de los Electrodos CTPU: El estudio demuestra que los electrodos CTPU económicos y reutilizables de correas pectorales de fitness comerciales pueden capturar señales diferenciales con propiedades espectrales consistentes con fenómenos EEG canónicos, incluidos los husos del sueño (11–16 Hz).
Configuración Simplificada: El sistema logra la clasificación de etapas del sueño utilizando solo dos electrodos frontales sin una referencia a tierra dedicada, desafiando la necesidad de configuraciones complejas con múltiples electrodos para la clasificación práctica.
Capacidad de Modulación: La inclusión de un motor de vibración a bordo permite que la plataforma sirva como modulador para futuros estudios de intervención en el sueño.

Resultados
El estudio evaluó la capacidad de las señales del OSSMM para clasificar cuatro etapas del sueño: Vigilia, Sueño Ligero, Sueño Profundo y REM.

Rendimiento: El clasificador Bosque Aleatorio logró el mejor rendimiento en el conjunto de prueba retenido, obteniendo una puntuación F1 macro de 0.770 y una precisión de 0.776. XGBoost le siguió de cerca con una puntuación F1 de 0.741, mientras que SVM obtuvo un rendimiento significativamente menor (F1=0.598).
Importancia de las Características: El análisis de los modelos de mejor rendimiento reveló que las características derivadas de EOG/EEG dominaron los primeros puestos. Específicamente, la potencia de la banda alfa fue la característica más importante, seguida del rango intercuartílico (IQR) de EOG. Las características espectrales de los electrodos CTPU fueron los principales impulsores del éxito de la clasificación.
Características de la Señal: La inspección visual de los datos confirmó la presencia de firmas similares a husos del sueño (aprox. 12 Hz, 0.5–2 segundos) en el canal EOG/EEG durante el Sueño Ligero, consistente con fenómenos EEG conocidos.
Patrones de Clasificación: Los modelos mostraron una tendencia a confundir etapas de sueño adyacentes (por ejemplo, Ligero vs. Profundo), pero rara vez mal clasificaron estados distantes (por ejemplo, REM vs. Sueño Profundo). La recuperación del Sueño Profundo fue menor que en otras etapas, un desafío común en la clasificación de etapas del sueño.

Significado y Afirmaciones
El artículo afirma que la plataforma OSSMM demuestra exitosamente que el hardware de código abierto y asequible puede capturar biosignales suficientes para una clasificación práctica de 4 etapas del sueño. Los autores enfatizan dos hallazgos técnicos:

Calidad de la Señal: La señal diferencial capturada de electrodos simples de correa pectoral CTPU contiene información neurofisiológicamente consistente (incluidos los husos del sueño) que impulsa la clasificación, lo que sugiere que estos electrodos son viables para investigaciones relacionadas con el EEG.
Simplicidad: La clasificación precisa de las etapas del sueño es alcanzable con una configuración simplificada que utiliza solo dos electrodos frontales y sin referencia a tierra, lo que potencialmente reduce la barrera de entrada para la investigación del sueño.

Los autores mantienen una postura modesta, señalando que el estudio es una validación técnica frente a un dispositivo de referencia (Somnofy) en lugar de una comparación con el estándar de oro PSG. Reconocen limitaciones relacionadas con el diseño de un solo participante y la necesidad de una validación futura contra la PSG para confirmar el origen cortical de las señales y la generalización a poblaciones más amplias. Sin embargo, concluyen que el OSSMM ofrece una alternativa viable y de bajo costo que no sacrifica significativamente el rendimiento de clasificación, facilitando así una investigación del sueño más accesible y transparente.