Simulated Light Schedules for Sleep-Wake Adjustments: Exploring the Incorporation of Reinforcement Learning

Pendant la majeure partie de l'histoire de l'humanité, nos horloges internes étaient réglées par le soleil. Nous nous réveillions à l'aube et nous dormions au crépuscule, un rythme synchronisé par la lumière frappant nos yeux. Aujourd'hui, cependant, nous vivons dans un monde de lumière artificielle qui ne s'éteint jamais vraiment. Cette lueur constante peut confondre le système de chronométrage biologique du corps, entraînant un sommeil qui semble superficiel ou une éveil qui arrive au mauvais moment. Les scientifiques savent depuis longtemps que la lumière est le principal signal indiquant à notre corps quand se reposer et quand être actif, plus encore que la nourriture, la température ou le bruit. Pour corriger un cycle de sommeil perturbé, les chercheurs se sont traditionnellement appuyés sur des plans rigides, souvent inconfortables, qui forcent les gens à fixer des lumières vives ou à rester assis dans l'obscurité totale à des moments précis. Ces méthodes fonctionnent en théorie mais sont difficiles à maintenir dans la vie réelle, où les gens ont des emplois, des familles et des vies sociales qui ne s'insèrent pas dans un calendrier parfait de laboratoire. Le défi consistait à trouver un moyen d'utiliser la lumière pour ramener doucement le corps vers un rythme sain sans exiger qu'une personne abandonne sa routine quotidienne.

Une équipe de chercheurs de l'Université Monash Malaysia a adopté une nouvelle approche à ce problème en apprenant à un ordinateur comment concevoir ces programmes de lumière. Au lieu d'utiliser un ensemble de règles fixes ou un manuel pré-écrit, ils ont construit un système qui utilise un type d'intelligence artificielle connue sous le nom d'apprentissage par renforcement. Imaginez un étudiant apprenant à jouer d'un instrument de musique ; il essaie une note, écoute si elle sonne juste, et ajuste le placement de ses doigts pour la tentative suivante. Les chercheurs ont appliqué cette même logique d'essai et d'erreur à la lumière. Ils ont créé un cadre numérique où un algorithme informatique agit comme un étudiant, essayant de modifier l'exposition à la lumière quotidienne d'une personne pour atteindre un objectif de sommeil spécifique. L'ordinateur ne se contente pas de deviner ; il apprend d'une base de données de comportements humains réels. Il observe comment les modèles de lumière sont liés au moment où les gens s'endorment et se réveillent réellement, puis ajuste de manière itérative le programme lumineux pour voir s'il rapproche la personne de son heure de sommeil souhaitée.

Pour entraîner ce système, les chercheurs avaient d'abord besoin de données réelles. Ils ont recruté 19 jeunes adultes, principalement des étudiants universitaires, et leur ont demandé de porter deux petits appareils pendant six jours. Un dispositif, porté comme un pendentif, mesurait la lumière frappant leurs yeux tout au long de la journée, capturant non seulement la luminosité mais aussi les couleurs spécifiques de la lumière qui affectent l'horloge interne du corps. L'autre dispositif, porté au poignet, suivait leurs mouvements pour déterminer exactement quand ils dormaient et quand ils étaient éveillés. L'équipe a également demandé aux participants de tenir des journaux de sommeil simples. À partir de ces données, les chercheurs ont regroupé les participants en cinq catégories distinctes basées sur leurs heures de sommeil moyennes et l'efficacité de leur sommeil. Ce regroupement a permis de traiter les « types de sommeil » comme des cibles, tout comme un entraîneur pourrait regrouper des athlètes selon leur style de course naturel.

Le cœur de l'étude comprenait deux étapes principales. Premièrement, l'équipe a construit un modèle de classification, un type de programme informatique capable d'examiner un programme lumineux de six jours et de prédire à laquelle des cinq catégories de sommeil une personne appartient. Ils ont testé ce modèle sur de nouvelles données et ont constaté qu'il pouvait identifier la catégorie de sommeil avec une grande précision. Ce modèle est devenu le « enseignant » de la seconde partie du système. Dans la seconde phase, ils ont utilisé l'algorithme d'apprentissage par renforcement pour générer de nouveaux programmes de lumière. L'ordinateur partait de la routine lumineuse originale d'une personne et recevait une cible : « modifie ce programme pour que la personne se retrouve dans une catégorie de sommeil différente ». L'algorithme apportait de petits ajustements aux niveaux de lumière, comme tamiser les lumières le soir ou les éclaircir le matin, puis demandait au modèle de classification : « Est-ce que ce changement nous rapproche de la cible ? ». Si la réponse était oui, l'ordinateur conservait ce changement ; sinon, il essayait autre chose. Ce processus se répétait des milliers de fois jusqu'à ce que l'algorithme trouve un programme qui déplace avec succès le modèle de sommeil prédit.

Les résultats ont montré que l'ordinateur pouvait effectivement générer des programmes de lumière capables de déplacer les gens vers différents modèles de sommeil-éveil. Pour certaines catégories de sommeil, les programmes générés ressemblaient beaucoup aux modèles de lumière naturels observés chez les participants. Cependant, pour d'autres catégories, l'ordinateur a créé des programmes très différents de ce que les gens expérimentent naturellement, suggérant parfois des niveaux de lumière difficiles à réaliser avec un éclairage domestique standard. Les chercheurs ont simulé ce qui arriverait à l'horloge interne du corps si quelqu'un suivait ces programmes générés par ordinateur. Dans plusieurs cas, les simulations ont suggéré que les programmes réussiraient à décaler le moment de la libération de la mélatonine, une hormone qui signale au corps qu'il est temps de dormir. Pourtant, l'étude a également souligné une limite cruciale : l'ordinateur poussait parfois les niveaux de lumière à des extrêmes qui ne sont pas pratiques pour la vie quotidienne. Cela suggère que, bien que la technologie fonctionne, elle doit être soigneusement équilibrée par rapport à ce qui est réellement possible à faire.

L'étude ne prétend pas avoir résolu le problème des troubles du sommeil ou avoir trouvé un remède parfait contre le décalage horaire. Elle démontre plutôt une nouvelle méthode pour créer des plans de lumière personnalisés. Les chercheurs soulignent que leur travail est un prototype, un point de départ qui prouve le concept de l'utilisation de l'apprentissage automatique pour concevoir des régimes de lumière. Ils notent que leurs données provenaient d'un petit groupe de jeunes adultes en bonne santé, de sorte que les résultats ne peuvent pas encore être appliqués à tout le monde, comme les personnes âgées ou les personnes ayant des problèmes de santé spécifiques. De plus, comme le système repose sur la prédiction des modèles de sommeil basés sur la lumière plutôt que sur la mesure directe de la chimie interne du corps, les conclusions sont basées sur des simulations et des modèles statistiques plutôt que sur une preuve physiologique directe. Les auteurs suggèrent que pour que cette technologie devienne un outil pratique, elle devra être testée sur des groupes de personnes beaucoup plus importants et affinée pour garantir que les programmes de lumière qu'elle crée sont non seulement efficaces, mais aussi réalistes à suivre.

En fin de compte, cette recherche ouvre une porte vers un avenir plus flexible pour la science du sommeil. En s'éloignant des règles rigides et uniformes pour aller vers des systèmes d'apprentissage adaptatifs, les scientifiques pourront éventuellement proposer des recommandations de lumière qui s'intègrent harmonieusement dans la vie réelle d'une personne. L'ordinateur n'a pas besoin de forcer une personne à fixer une lumière vive pendant une heure ; il peut suggérer des changements subtils dans l'éclairage d'une maison ou d'un bureau qui s'accumulent sur plusieurs jours pour réinitialiser doucement l'horloge du corps. Bien que la version actuelle du système en soit encore à ses débuts, la capacité de générer ces programmes sur mesure en utilisant l'apprentissage par renforcement représente un progrès significatif. Cela déplace l'attention de ce qui est théoriquement possible dans un laboratoire vers ce qui pourrait être réalisable dans le monde réel, offrant une voie prometteuse vers un meilleur sommeil pour les personnes naviguant dans un monde qui ne dort jamais vraiment.