Фенотипы сна человека характеризуются крайним разнообразием, связанным как с генетическими, так и с внешними факторами среды. Изучение сна и понимание его параметров важно не только в общей сфере здравоохранения, но и с сугубо медицинской точки зрения для возможности дифференциальной диагностики различных расстройств сна.
Группа ученых из Токийского университета использовала специальный алгоритм машинного обучения ACCEL для определения состояний сна и бодрствования по данным ручного акселерометра – им удалось конвертировать эти данные, полученные от 100 000 людей из базы Британского биобанка (UK Biobank), и провести их дальнейший анализ.
Согласно полученным данным, исследователям удалось определить 16 различных типов сна.
Данные собирались с группы мужчин и женщин в возрасте 30-60 лет, ручной акселерометр использовался на протяжении 7 дней. Полученные данные, преобразованные с помощью алгоритма ACCEL и метода кластеризации, были разделены на 16 различных групп (кластеров): «социальный джетлаг», «совы», «жаворонки», бессонница и другие. Более того, авторам удалось определить 7 различных кластеров, связанных с бессонницей.
Таким образом, работа с огромным объемом данных позволила изучить разнообразие фенотипов сна. Результаты исследования предоставляют классификацию количественных данных о сне – такую информацию сложно получить с использованием метода полисомнографии.
Коллектив исследователей выражает надежду на то, что эти данные окажутся полезными в разработке новых методов диагностики и лечения бессонницы.
