研究人员开发了一种基于AI的算法，以改善使用无线电波诊断和监测睡眠障碍。

良好的睡眠对我们的身心健康至关重要。然而，今天诊断问题可能是困难的，因为它需要患者配备电极和各种传感器。

麻省理工学院和麻省总医院的研究人员使用AI算法分析受试者周围的无线电信号。这些读数被转化为睡眠阶段：清醒，轻盈，深沉或快速的眼球运动。

“想象一下，如果您的WiFi路由器知道您何时在做梦，并且可以监控您是否有足够的深度睡眠，这对于内存整合是必要的，”负责电子工程和计算机科学的Andrew和Erna Viterbi教授Dina Katabi说。研究。“我们的愿景是开发健康传感器，这些传感器将消失在背景中并捕获生理信号和重要的健康指标，而不会要求用户以任何方式改变她的行为。”

除了医疗保健之外，还有可能应用这些数据。例如，当居住者入睡以节省能量时，家中的所有灯都可以自动关闭。如果居住者在夜间醒来使用浴室，可以打开某些灯以指引路。

仅在美国就有超过5000万现有(已知)睡眠障碍患者，这项研究可能是开创性的。它将有助于诊断和监控问题，而无需繁琐且昂贵的专业设备。

麻省理工学院的毕业生和论文的第一作者Mingmin Zhao说：“机会非常大，因为我们不能很好地理解睡眠，而且很大一部分人都有睡眠问题。” “我们拥有这项技术，如果我们能够使它发挥作用，可以让我们从睡眠实验室每隔几个月进行一次睡眠研究的世界转移到家中的连续睡眠研究中。”

Katabi和Zhao与MGH睡眠医学部门负责人Matt Bianchi和电子工程和计算机科学Thomas Siebel教授，麻省理工学院数据，系统和社会研究所成员Tommi Jaakkola一起完成了这项研究。和另一位麻省理工学院研究生Shichao Yue也是该论文的共同作者。

AI超越睡眠障碍

Katabi之前的一些工作与麻省理工学院的研究人员一起也使用了无线电波。一个笔记本电脑大小的盒子发出低功率射频信号，显示出生命体征，包括脉搏和呼吸频率。这可以用来监测老年人，以提醒医疗专业人员他们的生命体征令人担忧的变化。

使用深度神经网络的人工智能使所有这一切成为可能。从大型数据集中提取相关信息，同时消除错误结果，需要研究人员构建自己的算法。

“我们的设备不仅可以让您移除所有这些传感器，使其成为可以在家中完成的更好的体验，还可以让医生和睡眠技术人员更轻松地完成工作，”Katabi说。“他们不必浏览数据并手动标记它。”