睡眠生理学は、中枢神経系（CNS）と自律神経系（ANS）の協調的なダイナミクスに起因し、脳波（EEG）、眼電図（EOG）、筋電図（EMG）、心電図（ECG）、呼吸信号などの多モーダルポリソムノグラフィ（PSG）信号に反映されます。しかし、既存の睡眠基盤モデルは異種の生体信号をトポロジーを無視して融合することが多く、生理学的な組織構造を見落としていました。この問題に対処するため、研究者らはOmni-Sleepを提案しました。これはCNS/ANSの区分を生理学的事前知識として活用し、トポロジー制約付き表現学習を行う新しい睡眠基盤モデルです。
Omni-Sleepは三つの学習目的を通じて構造化表現を獲得します。第一に「システム内一貫性」は、神経信号と心肺信号内の共有サブシステムレベルの因子を捕捉します。第二に「システム間同期」は、サブシステムの軌跡を整列させて脳-身体ダイナミクスをモデル化します。第三に「潜在空間マスク時間モデリング」は、長期的な睡眠ダイナミクスを捕捉します。これらの目的により、モデルは睡眠中の生理的階層構造を深く理解することができます。
Omni-Sleepは10万時間以上のマルチセンター多モーダルPSGデータで事前学習され、睡眠ステージングと多疾患分類タスクで評価されました。データセット間およびモダリティ除去設定において、強力なベースラインモデルを凌駕し、ラベル効率、データセット間の汎化能力、モダリティ欠損に対するロバスト性の向上を示しました。これらの結果は、生理学的階層が汎化可能な睡眠表現学習にとって極めて価値があることを示しています。
コードはGitHub（https://github.com/AutoBrain-sleep/OmniSleep）で公開されており、睡眠解析分野の更なる発展を促進することが期待されます。本研究は、生理学的事前知識を活用した、より汎用的でロバストな睡眠分析モデルの構築に新たな道を開くものであり、臨床睡眠診断、神経科学の研究、ウェアラブルヘルスデバイスなどへの応用が期待されます。