Comprehensive Analysis of Machine Learning Models for Five-Class Sleep Stage Classification Using PPG Signals

夜の探偵：なぜ私たちは睡眠を知る必要があるのか

あなたの脳を、目を閉じている間も決して完全にシャットダウンすることのない、忙しい都市だと想像してみてください。都市は暗くなる代わりに、さまざまな「地区」の間を切り替わっていきます。活気あふれるダウンタウン（覚醒状態）、静かな図書室（入眠中）、深い地下バンカー（深い、回復のための眠り）、そして超現実的で夢に満せりたる遊園地（レム睡眠）です。科学者たちは、これらの異なる地区を「睡眠ステージ」と呼んでいます。あなたの脳がどの地区にいるのかを正確に知ることは非常に重要です。なぜなら、もし都市が間違ったゾーン、例えば深いバンカーにいるべき時に忙しいダウンタウンに留まってしまうと、心臓のトラブルや糖尿病、あるいは日中のただ単に体が重いといった健康問題につながる可能性があるからです。

長い間、この夜の都市をマッピングする唯一の方法は、巨大で絡まり合ったワイヤーが入った重いバックパックを背負った専門家チームを送り込むことでした。この「ゴールドスタンダード（標準指標）」と呼ばれる手法は「ポリソムノグラフィー（PSG）」と呼ばれ、脳波や筋肉のピクつきを読み取るために、頭、目、顎に電極を貼り付けます。これは非常に正確ですが、高価で不快なものであり、通常はラボで眠る必要があります。それは、自然な眠りを捕まえるには、どうにも不自然な方法です。

ここで「ウェアラブル」革命が登場します。心拍数を追跡するスマートウォッチを身に着けている人々を見たことがあるでしょう。これらのデバイスは、「光電容積脈波（PPG）」と呼ばれるセンサーを使用しています。脳波を直接読み取る代わりに、PPGは皮膚に微かな光を照射し、心拍ごとに脈打つ血液を観察します。考え方はシンプルです。あなたが起きているのか、夢を見ているのか、あるいは深い眠りについているのかによって、心臓の鼓動は変化します。ですから、もし心臓のリズムを聴くことができれば、私たちはあなたの脳が睡眠都市のどの「地区」にいるのかを推測できるのではないか？ これが、研究者たちが答えを出そうとしている大きな問いであり、シンプルなリストバンドを、自分の寝室で機能する「睡眠の探偵」に変えたいと考えている理由です。

この論文の使命：シンプルな時計で物語のすべてを語れるか？

この研究において、研究チームは、これらの心拍センサーを使用して、睡眠パズルの最も難しいバージョン、すなわち5つの明確な睡眠ステージ（覚醒、浅い睡眠1、浅い睡眠2、深い睡眠、およびREM/夢）を区別できるかどうかを検証することに決めました。多くの先行研究では、ステージをグループ化して簡略化しようと試みてきましたが（例えば「単に起きているか寝ているかだけを教えてほしい」というように）、著者たちは、ステージを統合してしまうと健康に関する重要な詳細が失われることを知っていました。彼らは、標準的な機械学習モデルを使用して、重くて高価な脳波装置を必要とせずに、ウェアラブルデバイスからの心拍データのみを用いて、これら5つの違いを判別できるかどうかを確認したいと考えたのです。

これを行うために、彼らは新しいスーパーコンピューターを構築したのではなく、標準的な材料セットを使う熟練のシェフのように振る舞いました。彼らは、すでにフルモニタリング機器を備えたラボで眠っていた48人のデータを使用しました（これにより、「正解」がすでに判明していました）。彼らはこれらの人々から心拍信号（PPG）を取り出し、それを3分間の塊（チャンク）に切り分けました。なぜ3分間なのでしょうか？ 著者たちの推論によれば、睡眠はしばつ30秒のスライスで測定されることが多いですが、心拍のヒントの中には、ゆっくりと煮込むシチューのようなものがあり、その真の風味を明らかにするには、より長い時間をかけてじっくりと煮込む必要があるからです。そして、彼らはこれらの塊を使用して、いくつかの異なるタイプの「伝統的な」コンピュータモデル（ランダムフォレスト、k近傍法、XGBoostなど、異なるスタイルの探偵と考えてください）に、各睡眠ステージのパターンを認識するように学習させました。

研究者たちは主に2つの戦略をテストしました。一つは、コンピュータが心拍信号の「形」のみを見るもの、もう一つは、その形に加えて心拍の間隔（インター・ビート・インターバル、またはIBIと呼ばれる）を見るものです。これは、メロディだけで曲を特定しようとするのと、メロディとリズムの両方を聴いて曲を特定しようとするのとでは、似ている例えです。

結果：心拍のリズムが勝利する

結果は非常に有望でしたが、いくつか注意点もありました。研究では、信号の形とリズムの間隔（IBI）を組み合わせることが「秘伝のソース」であることが分かりました。モデルが両方のタイプのヒントを使用したとき、睡眠ステージを推測する精度が大幅に向上しました。

主役はランダムフォレストモデルでした。100人の異なる専門家による委員会を想像してください。各専門家はデータに対して少しずつ異なる質問を投げかけ、その後、答えについて投票を行います。この「委員会」によるアプローチが最も効果的で、72.2%の精度と、コーエンのカッパ係数0.65を達成しました。これは、モデルが約4分の3の確率で正解していることを意味し、このような困難なタスクとしては堅実なパフォーマンスです。k近傍法（「最も近い」類似した睡眠の塊に基づいて推測するモデル）は、**71.6%**の精度で非常に僅差の2位となりました。

しかし、論文は探偵たちが苦戦した箇所についても明確に指摘しています。モデルは、あなたが起きているときや深い睡眠にあるときを見つけるのは得意でしたが、「浅い睡眠」のステージ（特にステージ2）を区別することには苦労しました。それは、ほとんど同じに見える2つの青色の色合いの違いを判別しようとするようなものです。これらのステージにおける心拍信号は非常に似通っているため、最高のモデルであっても混乱してしまったのです。

著者たちはまた、これらの結果を得るために、巨大で複雑な「ディープラーニング」用のスーパーコンピューターが必要であるという考えを明確に否定しました。彼らは、これらのシンプルで伝統的なモデルが、他の研究で見られる豪華なニューラルネットワークと同じくらい優れた性能を発揮できることを示しました。しかも、理解しやすく、計算能力も少なくて済むという利点があります。これは、あなたの次のスマートウォッチが、データを巨大なサーバーファームに送ることなく、デバイス上でこの分析を実行できる可能性を示唆しており、非常に大きな意味を持ちます。

まとめ

では、これらすべては何を意味しているのでしょうか？ この研究は、詳細な睡眠マップを得るために、必ずしも病院のベッドに縛り付けられる必要はないことを示唆しています。シンプルな心拍センサーとスマートな伝統的コンピュータモデルを使用することで、トリッキーなステージも含め、睡眠ステージのかなり正確な全体像を把握することができます。システムはまだ完璧ではなく、依然として浅い睡眠ステージで混乱することもありますが、ウェアラブルデバイスがいつの日か、手首から詳細な「五つ星」の睡眠の質に関するレポートを提供できることを証明しています。著者たちは、このアプローチが、たとえすべての睡眠の謎を一晩で解決する「魔法の弾丸」にはならずとも、睡眠モニタリングをすべての人にとって手頃で快適なものにするための、強力で実践的な一歩であると結論付けています。