🧬 biology

OSSMM: An Open-Source Sleep Monitor and Modulator

L'article présente OSSMM, un bandeau de tête portable peu coûteux et open source utilisant des électrodes de fitness récupérées et une application Android pour classer avec précision quatre stades de sommeil et offrir des capacités de modulation, démontrant ainsi que la surveillance pratique du sommeil est réalisable avec des configurations matérielles simplifiées et accessibles.

Auteurs originaux : Jonny Giordano, Fergal Stapleton, Gabriel Palma, Barak A. Pearlmutter

Publié 2026-05-19

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Jonny Giordano, Fergal Stapleton, Gabriel Palma, Barak A. Pearlmutter

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète

Imaginez essayer de comprendre le langage secret de votre cerveau pendant que vous dormez. Pendant des décennies, les scientifiques ont eu besoin d'un équipement hospitalier massif et coûteux, avec des fils collants et des gels, pour traduire ce langage. Cet article présente un nouveau projet open-source appelé OSSMM (Open-Source Sleep Monitor and Modulator) qui vise à traduire ce langage à l'aide d'un bandeau simple et peu coûteux que vous pourriez construire vous-même pour moins que le prix d'un bon dîner (moins de 40 €).

Voici l'histoire de la façon dont ils l'ont fait, décomposée en parties simples :

1. Le Problème : La Recherche sur le Sommeil est Trop Chère et Trop Contraignante

Pensez aux études traditionnelles du sommeil (polysomnographie) comme à un costume sur mesure haut de gamme. C'est la « référence », mais il est lourd, inconfortable, coûte des milliers de dollars, et vous ne pouvez le porter que dans une pièce spécifique avec un technicien qui vous observe. Parce qu'il est si difficile d'y accéder, les chercheurs doivent souvent choisir entre étudier quelques personnes très soigneusement ou beaucoup de personnes très mal.

Les auteurs voulaient construire une « veste en jean » des moniteurs de sommeil : quelque chose d'abordable, réutilisable, facile à enfiler, et ouvert à tous pour quiconque souhaite le réparer ou l'améliorer.

2. La Solution : Un Bandeau de Sommeil DIY

L'équipe a construit un petit bandeau en utilisant l'impression 3D et des pièces que l'on peut acheter dans n'importe quel magasin de loisirs électroniques.

Le Matériel : C'est un bandeau léger (de la taille d'une grande pièce de monnaie) qui contient un petit ordinateur, un moteur de vibration (pour potentiellement vous réveiller ou modifier votre sommeil plus tard) et des capteurs.
Les Électrodes « Sauce Secrète » : Au lieu d'utiliser des électrodes médicales coûteuses et jetables, ils ont utilisé des bandes de plastique conducteur récupérées sur des sangles de fitness bon marché (du type que les coureurs portent pour suivre leur fréquence cardiaque). Ils les essuyaient avec un chiffon humide et les réutilisaient chaque nuit.
La Configuration : Le bandeau se connecte sans fil à un téléphone Android standard, qui agit comme le cerveau de l'opération, stockant les données et affichant les graphiques.

3. L'Expérience : Une Personne, 15 Nuits

Pour tester si cette « veste en jean » pouvait réellement fonctionner, l'un des chercheurs a porté le bandeau pendant 15 nuits.

Le Rival : Chaque nuit, ils portaient également un moniteur de sommeil sans contact haute technologie (le Somnofy) sur leur table de chevet. Cet appareil s'est déjà avéré assez précis par rapport aux tests hospitaliers.
L'Objectif : Ils voulaient voir si le bandeau bon marché pouvait « parler le même langage » que le moniteur de chevet coûteux. Le bandeau pouvait-il faire la différence entre l'éveil, le sommeil léger, le sommeil profond et le rêve (REM) ?

4. Les Résultats : Le Bandeau « A Compris »

L'équipe a alimenté les données du bandeau bon marché dans trois programmes d'apprentissage automatique différents (pensez-y comme à trois étudiants différents essayant de résoudre une énigme).

Le Gagnant : Un programme (appelé Random Forest) a eu raison environ 77 % du temps.
La Comparaison : C'est un résultat très solide pour un appareil aussi simple, d'autant plus que l'ordinateur n'avait reçu aucun tour de magie spécial ni mathématiques complexes pour l'aider. Il a simplement examiné les signaux bruts et a trouvé la solution.
Le Moment « Aha ! » : L'ordinateur a réalisé que les indices les plus importants provenaient des ondes cérébrales captées par les sangles de fitness bon marché. Bien que ces sangles n'aient pas été conçues pour les ondes cérébrales, elles ont réussi à capter des « signatures cérébrales » spécifiques (comme les fuseaux de sommeil, qui sont de petites explosions d'activité cérébrale pendant le sommeil léger) qui ne sont généralement visibles qu'avec du matériel médical coûteux.

5. Deux Grandes Surprises

L'article met en évidence deux choses qui ont surpris les chercheurs :

Les Sangles Bon Marché Fonctionnent : Ils ont découvert que le plastique conducteur d'une sangle de fitness à 5 dollars pouvait capter des signaux cérébraux qui ressemblaient exactement aux ondes cérébrales complexes observées dans les hôpitaux. C'est comme découvrir qu'un trombone peut conduire l'électricité aussi bien qu'un fil de cuivre pour un travail spécifique.
Moins de Fils Nécessaires : Habituellement, pour mesurer les ondes cérébrales, vous avez besoin d'un fil de « masse » (comme une ancre de sécurité) pour rendre le signal clair. Ce bandeau a fonctionné parfaitement avec seulement deux fils sur le front et aucun fil de masse du tout. C'est comme conduire une voiture avec seulement deux roues au lieu de quatre et réussir tout de même à rester sur la route.

6. Ce Que Cela Signifie (et Ce Que Cela Ne Signifie Pas)

Ce que cela signifie : La barrière à l'entrée pour la recherche sur le sommeil a été abaissée. Quiconque possède une imprimante 3D et des compétences de base en électronique peut désormais construire un appareil capable de capturer des données de sommeil utiles. Les données sont « open-source », ce qui signifie que les plans sont gratuits pour que tout le monde les utilise, les copie et les améliore.
Ce que cela ne signifie pas (encore) : Il s'agissait d'un test sur une seule personne. Nous ne savons pas si cela fonctionne pour tout le monde (comme les enfants, les personnes âgées ou les personnes souffrant de différents troubles du sommeil) tant que plus de personnes ne l'auront essayé. De plus, bien qu'il ait bien correspondu au moniteur de chevet, il n'a pas encore été comparé directement au test hospitalier « référence ».

Résumé

Le projet OSSMM est comme la construction d'une télescope fait maison. Pendant longtemps, vous aviez besoin d'un observatoire massif et coûteux pour voir les étoiles. Cette équipe a construit un petit télescope peu coûteux à partir de pièces ménagères qui peut toujours voir les étoiles clairement. Ils ont prouvé que vous n'avez pas besoin d'un laboratoire à un million de dollars pour commencer à comprendre le sommeil ; il vous suffit d'un peu de créativité, de quelques impressions 3D et d'une volonté de partager les plans avec le monde.

Résumé Technique : OSSMM : Un Moniteur et Modulateur de Sommeil Open-Source

Énoncé du Problème
La recherche sur le sommeil fait face à des obstacles majeurs concernant le coût, l'accessibilité et la validité écologique. La polysomnographie (PSG) traditionnelle est la référence absolue, mais elle est coûteuse (moyenne de 1 575 $à 1 840$ ), nécessite des installations cliniques et implique un équipement inconfortable et restrictif. À l'inverse, les alternatives à faible coût souffrent souvent d'une mauvaise précision ou nécessitent des configurations complexes impliquant des gels conducteurs et des électrodes jetables. De plus, la recherche active sur la modulation du sommeil, qui nécessite une détection en temps réel de l'état pour cibler des signatures neurales spécifiques, a été limitée par l'absence de matériel abordable, transparent et facilement modifiable. Il existe un besoin critique d'une plateforme qui équilibre l'abordabilité avec une qualité de données suffisante pour soutenir le stade du sommeil et la modulation, sans les frais généraux élevés de la PSG traditionnelle.

Méthodologie
Les auteurs ont développé le Moniteur et Modulateur de Sommeil Open-Source (OSSMM), un système de bandeau portable construit à partir de composants imprimés en 3D et d'électronique commerciale hors étagère (COTS), avec un coût matériel total inférieur à 40 €.

Architecture Matérielle : L'appareil utilise un microcontrôleur Seeed Xiao nRF52840 Sense pour coordonner l'acquisition de données à partir de trois cartes de capteurs : une IMU pour le mouvement à 6 degrés de liberté, un capteur PPG pour le pouls, et une carte EKG AD8232 configurée pour l'acquisition EOG/EEG. Notamment, le système emploie deux électrodes en thermoplastique polyuréthane conducteur (CTPU) intégrées dans une sangle thoracique de fitness standard. Ces électrodes sont placées frontalement pour capturer un signal différentiel sans électrode de référence de masse dédiée. Un moteur de vibration est inclus pour une modulation potentielle du sommeil. Les données sont transmises via Bluetooth Low Energy (BLE) à une application Android compagnon.
Conception Expérimentale : L'étude a utilisé une conception de preuve de concept à un seul participant (N=1) pour valider la fonctionnalité du système et la fiabilité du matériel avant un déploiement plus large. Les données ont été collectées sur 17 nuits, avec 15 nuits qualifiantes produisant 15 285 époques de 30 secondes.
Référence et Étiquetage : Les étiquettes de stade de sommeil ont été fournies par un moniteur de sommeil non invasif validé, le Somnofy SM-100 (qui montre un accord $\kappa=0,63$ avec la PSG). L'ensemble de données a été divisé en 12 nuits pour l'entraînement et 3 nuits pour le test.
Traitement du Signal et Classification : Les données brutes ont été numérisées à 250 Hz. Des caractéristiques ont été extraites des époques de 30 secondes, incluant 8 caractéristiques de pouls, 12 caractéristiques de mouvement IMU, et 22 caractéristiques EOG/EEG (incluant la puissance dans les bandes de fréquence canoniques : delta, thêta, alpha, bêta et gamma). Trois classificateurs d'apprentissage automatique — Machine à Vecteurs de Support (SVM), Forêt Aléatoire (RF) et XGBoost (XGB) — ont été évalués en utilisant la validation croisée Group K-Fold pour empêcher la fuite de données entre les nuits. Les hyperparamètres ont été recherchés manuellement pour évaluer la qualité de base du signal plutôt que pour maximiser les performances par un réglage intensif.

Contributions Clés

Plateforme Open-Source : L'OSSMM fournit une plateforme matérielle et logicielle entièrement transparente et à faible coût (<40 €). Tous les conceptions, codes et instructions de construction sont disponibles publiquement, permettant aux chercheurs d'assembler, modifier et reproduire le système.
Utilité des Électrodes CTPU : L'étude démontre que des électrodes CTPU peu coûteuses et réutilisables provenant de sangles thoraciques de fitness commerciales peuvent capturer des signaux différentiels avec des propriétés spectrales cohérentes avec les phénomènes EEG canoniques, y compris les fuseaux de sommeil (11–16 Hz).
Configuration Simplifiée : Le système réalise le stade du sommeil en utilisant uniquement deux électrodes frontales sans référence de masse dédiée, remettant en question la nécessité de configurations multi-électrodes complexes pour une classification pratique.
Capacité de Modulation : L'inclusion d'un moteur de vibration embarqué permet à la plateforme de servir de modulateur pour de futures études d'intervention sur le sommeil.

Résultats
L'étude a évalué la capacité des signaux OSSMM à classifier quatre stades de sommeil : Éveil, Sommeil Léger, Sommeil Profond et REM.

Performance : Le classificateur Forêt Aléatoire a obtenu les meilleures performances sur l'ensemble de test retenu, produisant un score Macro F1 de 0,770 et une précision de 0,776. XGBoost a suivi de près avec un score F1 de 0,741, tandis que SVM a performé significativement moins bien (F1=0,598).
Importance des Caractéristiques : L'analyse des modèles les plus performants a révélé que les caractéristiques dérivées de l'EOG/EEG dominaient les classements supérieurs. Spécifiquement, la puissance de la bande alpha était la caractéristique la plus importante, suivie par l'intervalle interquartile (IQR) de l'EOG. Les caractéristiques spectrales provenant des électrodes CTPU étaient les principaux moteurs du succès de la classification.
Caractéristiques du Signal : L'inspection visuelle des données a confirmé la présence de signatures similaires aux fuseaux de sommeil (environ 12 Hz, 0,5–2 secondes) dans le canal EOG/EEG pendant le Sommeil Léger, cohérent avec les phénomènes EEG connus.
Modèles de Classification : Les modèles ont montré une tendance à confondre les stades de sommeil adjacents (par exemple, Léger vs Profond) mais ont rarement mal classé des états distants (par exemple, REM vs Sommeil Profond). Le rappel du Sommeil Profond était inférieur à celui des autres stades, un défi courant dans le stade du sommeil.

Signification et Revendications
L'article revendique que la plateforme OSSMM démontre avec succès que le matériel open-source abordable peut capturer des biosignaux suffisants pour une classification pratique du sommeil en 4 stades. Les auteurs soulignent deux découvertes techniques :

Qualité du Signal : Le signal différentiel capturé à partir de simples électrodes de sangle thoracique CTPU contient des informations cohérentes sur le plan neurophysiologique (incluant les fuseaux de sommeil) qui pilotent la classification, suggérant que ces électrodes sont viables pour la recherche liée à l'EEG.
Simplicité : Un stade de sommeil précis est réalisable avec une configuration simplifiée utilisant uniquement deux électrodes frontales et aucune référence de masse, réduisant potentiellement la barrière à l'entrée pour la recherche sur le sommeil.

Les auteurs maintiennent une stance modeste, notant que l'étude est une validation technique contre un appareil de référence (Somnofy) plutôt qu'une comparaison avec la référence absolue PSG. Ils reconnaissent les limitations concernant la conception à un seul participant et la nécessité d'une future validation contre la PSG pour confirmer l'origine corticale des signaux et la généralisabilité à des populations plus larges. Cependant, ils concluent que l'OSSMM offre une alternative viable et à faible coût qui ne sacrifie pas significativement les performances de classification, facilitant ainsi une recherche sur le sommeil plus accessible et transparente.