SMARTsleep

De uitdaging

Polysomnografie is de klinische referentiestandaard voor slaapbeoordeling, maar is kostbaar, ingrijpend en ongeschikt voor langdurige of grootschalige monitoring. Deze vorm van beoordeling wordt uitgevoerd in gespecialiseerde slaaplaboratoria met meerdere sensoren die op de patiënt worden bevestigd. Het levert weliswaar veel gegevens op, maar kost veel geld en verstoort het normale slaappatroon. De procedure is niet geschikt voor regelmatige beoordelingen of screening op populatieniveau.

Hoewel wearables een praktisch alternatief bieden voor continue slaapmonitoring in een natuurlijke omgeving, bieden bestaande slaapalgoritmen vaak geen transparantie, standaardisatie en klinische validatie. Veel commerciële devices gebruiken eigen algoritmen die niet onafhankelijk kunnen worden geverifieerd of aangepast, wat hun bruikbaarheid voor onderzoek en klinische toepassingen beperkt. Het ontbreken van gestandaardiseerde benaderingen belemmert vergelijkingen tussen studies en devices, waardoor er maar traag vooruitgang wordt geboekt op het gebied van digitale slaapgezondheid.

Het project: SMARTsleep

TNO heeft een gestandaardiseerd, device‑agnostisch framework ontwikkeld voor slaap-waakdetectie met behulp van bewegingsgegevens van wearables. Het project richtte zich op het creëren van transparante, reproduceerbare methoden, die toepasbaar zijn op verschillende wearables en gevalideerd kunnen worden tegen de gouden standaard van polysomnografie.

Het framework omvat het extraheren van features uit hoogfrequente versnellings- en gyroscoopsignalen, waarmee bewegingspatronen en houdingsveranderingen worden vastgelegd die slaap en waak onderscheiden. TNO ontwikkelde machinelearningmodellen die getraind zijn op bewegingsgegevens en gekoppeld zijn aan handmatig gescoorde polysomnografie-opnames, zodat de algoritmen klinisch relevante slaap-waakpatronen leerden herkennen. Transparantie en reproduceerbaarheid stonden centraal, met duidelijk gedocumenteerde methoden die onafhankelijke validatie en aanpassing door andere onderzoekers of ontwikkelaars mogelijk maken.

TNO leidde de wetenschappelijke coördinatie en validatie, waarbij polysomnografiedata grondig werden getest om de prestaties van het algoritme te beoordelen. In het kader van het validatieproces werd de gevoeligheid voor het correct identificeren van slaapperiodes, de specificiteit voor het detecteren van waakepisodes en de algehele nauwkeurigheid bij verschillende slaapstadia en patiëntenpopulaties onderzocht.

Het project heeft geresulteerd in een gevalideerd slaapdetectie-algoritme met een goede gevoeligheid voor slaap en een matige specificiteit voor waak, samen met een herbruikbare pipeline voor feature-extractie die andere onderzoekers op hun eigen datasets kunnen toepassen. Daarnaast werd een inzetbaar hulpmiddel ontwikkeld, dat een robuuste basis vormt voor verdere klinische validatie en implementatie in de dagelijkse praktijk.

Toekomstperspectief

Het gestandaardiseerde framework dat bij SMARTsleep is ontwikkeld, maakt het mogelijk gevalideerde slaapmonitoring breed toe te passen in onderzoek en klinische contexten. Het toekomstige werk richt zich op het verbeteren van de specificiteit voor waakdetectie, wat door de heterogeniteit van het waakgedrag ’s nachts nog steeds een uitdaging vormt. Door de integratie met aanvullende sensormodaliteiten, zoals hartslag of huidtemperatuur, kunnen de prestaties van het algoritme verder worden verbeterd.

De device‑agnostisch aanpak vereenvoudigt de implementatie op verschillende wearable platforms, waardoor de toegankelijkheid toeneemt voor verschillende patiëntenpopulaties en onderzoekssituaties. Door de samenwerking met fabrikanten van medische apparatuur, slaapgeneeskundecentra en instanties voor gezondheidstechnologiebeoordelingen moet de vertaling naar de klinische praktijk worden ondersteund. Dit maakt schaalbare, betaalbare slaapmonitoring mogelijk voor aandoeningen waarbij herhaalde beoordeling waardevol is, zoals insomnia, slaapapneu en circadiane ritmestoornissen.