World Sleep Industry ENCYCLOPEDIA

嬰幼兒睡眠狀態識別算法

4.4.1

一、定義、對象與使用邊界

嬰幼兒睡眠狀態識別演算法,是把一段連續的生理、動作、聲音、影像或環境訊號,轉換為嬰幼兒當前睡眠—清醒狀態、狀態變化及可信度的計算方法。輸出可以是「清醒/睡眠」二分類,也可以依經過驗證的年齡適配體系給出清醒、活動睡眠、安靜睡眠、過渡狀態和未知狀態。新生兒的神經發育、睡眠週期及行為表現與成人不同,成人的快速動眼睡眠、非快速動眼睡眠分期規則不能在未驗證時直接套用;產品必須說明適用的出生後月齡、矯正月齡、足月或早產族群,以及標籤體系。

這類演算法可用於睡眠研究的資料整理、育兒紀錄的趨勢摘要、照護回顧、智慧床邊裝置互動,以及特定醫療工作流程中的輔助觀察。它描述的是感測器可觀察到的模式,不等於確認嬰兒意識、舒適程度、呼吸安全或疾病狀態。消費級結果不能取代多項生理睡眠檢查、醫事人員判斷、成人現場照護或醫師處方的監測裝置;若系統宣稱診斷睡眠障礙、監測生命徵象、發出醫療警報或指導治療,其風險與監管要求會根本改變,必須依相應醫療器材或醫療器材軟體路徑驗證。

尤其不可把「睡得很安靜」解讀為「生命徵象正常」,也不可把演算法持續輸出解讀為能預防嬰兒猝死症候群或睡眠相關意外。家庭仍應遵循適齡的安全睡眠建議:使用堅實、平坦且水平的睡眠表面,保持睡眠空間簡潔,並妥善配置設備與線纜。演算法不能成為改變安全睡眠環境、減少照護或延誤就醫的理由。

二、狀態體系、感測器與參考標註

狀態體系應從用途出發定義。早期嬰兒研究常區分清醒、活動睡眠、安靜睡眠及不確定或過渡睡眠;較大嬰兒的體系可能進一步與快速動眼和非快速動眼睡眠連結,但定義必須交代年齡範圍、最短判定窗、狀態轉換規則,以及無法判定時的處理。所有輸出都應允許「未知/訊號不可靠」,因為感測器脫落、身體被遮擋、照護動作、搖動的床具、同床多人或通訊中斷,都可能產生看似穩定卻沒有意義的訊號。

實驗室參照通常綜合腦電、眼電、下頦肌電、心電、呼吸氣流與呼吸努力、血氧、同步影像和觀察紀錄,由接受過嬰幼兒評分訓練的人員依年齡適配規則判讀。多名評分者之間應報告一致性,並預先規定如何裁決分歧。參考訊號與受測裝置必須時鐘同步,紀錄穿戴、餵食、安撫、抱起與技術故障,否則很小的時間偏移也會把短暫狀態轉換誤標為模型錯誤。

非接觸影像可擷取體動、眼瞼或姿勢線索,但受照明、遮擋、鏡頭位置與多人入鏡影響;麥克風可捕捉哭聲、呼吸相關聲音和環境噪音,卻有隱私與聲源混淆問題;加速度計、壓力墊、床體振動或雷達適合長期趨勢,但安靜清醒可能被誤判為睡眠,外部搖動也可能被誤判為嬰兒活動。光體積變化描記、心率、呼吸率和血氧屬於較敏感的生理輸入,其品質受穿戴、灌流、動作和膚色等因素影響,也可能使產品進入較嚴格的醫療監管範圍。照護者日誌與一般影像標註可補充情境,卻不能在未證明等效時稱為多項生理睡眠檢查真值。

三、資料流程與模型設計

資料流程通常包含擷取品質檢查、時間同步、去除偽跡、分窗、特徵或表徵學習、狀態推論、時間平滑和結果呈現。傳統模型可使用活動量、呼吸規律、心率變異、聲音事件及姿勢變化等特徵;深度模型可從原始波形或多模態序列學習表徵。模型複雜度不是首要目標,關鍵是輸入依賴、輸出語意和故障表現可被測試。訓練資料應記錄裝置型號、取樣率、安裝位置、韌體、標註規範、年齡分布、早產情形、健康與疾病背景、睡眠場景及缺失資料原因。

切分訓練、驗證和測試集時,應以嬰幼兒為最小隔離單位,並在可行時再按家庭、採集場域和裝置批次隔離。把同一名嬰兒相鄰的時間窗隨機分到訓練集與測試集,會讓模型記住個體和環境特徵,造成虛高成績。資料增強、重抽樣、類別權重和預訓練只能使用允許進入訓練階段的資料;門檻選擇與時間平滑參數也不得借用最終測試集調校。

多模態融合應定義每個通道缺失時的降級策略,不能在攝影機受遮擋或穿戴裝置脫落時,默默繼續輸出高信心狀態。系統宜先評估訊號品質,再決定分類、降低信心或拒絕判斷,並把不可用原因傳遞至介面。對會觸發通知的產品,還要把狀態估計與通知策略分開驗證:分類門檻、持續時間、抑制時窗和升級規則共同決定真實世界的誤報負擔。邊緣運算可減少原始音訊與影像外傳,但仍須驗證端側量化、耗電限制及不同硬體實作是否改變效能。

四、驗證指標、泛化與公平性

整體準確率不足以評價此類演算法,因為安靜睡眠等常見狀態可能占大部分紀錄。驗證應提供混淆矩陣,以及每個狀態的靈敏度、特異度、陽性預測值、陰性預測值與 F1 分數;也應報告宏平均 F1、平衡準確率、與人工評分的一致性、機率校準及信賴區間。對連續使用,還要評估狀態轉換的偵測延遲、睡眠開始與結束偏差、每小時誤報次數、資料不可用比例、拒判涵蓋率,以及低電量、網路中斷和恢復後的行為。

內部測試之後,需要用獨立而具代表性的資料做外部驗證,最好包含前瞻性真實場景。分層結果至少應考慮出生後月齡與矯正月齡、足月與早產、健康狀態、膚色與灌流差異(涉及光學感測器時)、衣物和包裹方式、仰臥或其他被觀察姿勢、床具、照明、噪音、照護者觸碰、餵食、安撫、搖床、多人物和不同裝置版本。小樣本子群的「無顯著差異」不能證明公平;應一併呈現樣本量、不確定性和失敗案例。

驗證資料應與預期用途一致。夜間家庭趨勢模型不能只憑實驗室短時間紀錄證明有效,健康嬰兒資料也不能自動支援早產兒、住院病童或疾病篩檢。演算法與人工評分不一致時,應分析是標註不確定、訊號故障、發育差異或模型偏誤,而不是只調整門檻追求平均分。發布前應預設可接受標準與停止條件,並保留挑戰集,涵蓋感測器脫落、遮擋、照護操作、極少體動、強烈外部運動和多人的高風險情境。

五、使用場景、人因與安全回應

介面應說明結果是即時估計、延遲彙整或事後分析,並顯示採集時間、訊號品質、信心、未知狀態及最近一次有效更新時間。趨勢圖應避免用精確到分鐘的視覺效果暗示不存在的精度;面向家長的文字宜用「演算法估計」,而非確定性診斷。若系統提供通知,使用者必須能理解通知觸發條件、可能的誤報與漏報、裝置離線表現,以及何時需要直接查看嬰兒。

資訊型睡眠趨勢與醫療警報必須清楚分開。狀態變化本身通常不是緊急事件,系統不得只憑模型分類自動改變嬰兒姿勢、限制活動、喚醒嬰兒或給藥。出現呼吸困難、發紺、反應異常、持續高燒,或照護者認為嬰兒有危險時,應依當地急救與醫療建議行動,而不是等待應用程式確認。醫師已為特定疾病開立監測或處置方案的家庭,應以醫囑為準,不可自行用消費級演算法取代。

誤報會造成警報疲勞、睡眠剝奪和焦慮;漏報則可能產生虛假安全感,延誤觀察或就醫。因此,真實世界測試要讓家長、臨床人員和照護人員參與,評估安裝、校準、夜間查看、多人交接、斷網、低電量、清潔與更新等完整流程。裝置、支架與線纜不得帶來纏繞、窒息、夾壓、過熱或跌落風險;監測功能也不能促使使用者在不安全的床面、寢具或睡姿條件下使用產品。

六、隱私、安全與全生命週期治理

嬰幼兒影像、音訊、生理訊號、睡眠時間表和家庭活動規律都屬高度敏感資料。系統應遵循目的限定及資料最少化,只蒐集實現已說明功能所需的通道和時段;提供清楚的監護人同意、權限控制、保留期限、匯出、刪除與撤回機制。能在本地完成的前處理與推論宜優先本地完成,雲端傳輸和儲存應加密,並記錄存取、分享與管理操作。不得因使用者開啟基本睡眠分析,就預設授權廣告側寫、身分辨識或未說明的模型訓練。

涉及兒童個人資料時,應依適用地區法律確定監護人同意、兒童最佳利益、跨境傳輸和第三方處理責任。採集臥室音訊與影像還可能記錄手足、照護者和訪客,產品需提供明顯的錄製指示、隱私區域、麥克風或攝影機獨立關閉、家庭成員告知及最小權限配置。研究資料去識別化不能只刪除姓名;時間戳記、臉部、聲音、裝置識別碼和家庭規律仍可能重新識別個人。

上線後應持續監測訊號不可用率、分層效能、誤報、申訴、安全事件和資料漂移。模型、韌體、感測器與門檻都要有可追溯版本,更新前進行影響評估和回歸測試,採用簽章發布、分階段部署及可驗證回復,不能在未告知的情況下改變輸出意義。組織也需建立漏洞回應、存取稽核、供應鏈清單、備份復原、停服安排和事件通報機制;效能惡化或風險超出門檻時,應暫停相關功能並向使用者提供明確處置說明。

七、證據、監管與採購檢查

監管分類取決於預期用途、宣傳主張、目標使用者與錯誤後果,而不取決於產品自稱「人工智慧」或「健康工具」。只提供一般健康趨勢的功能,與用於診斷、治療建議、生命徵象監測或醫療警報的功能,可能適用不同要求;研究原型或在單一資料集發表的模型,不等於已具備臨床使用資格。開發者應為每一項主張建立有效臨床關聯、分析驗證與臨床驗證,並遵守目標市場對醫療器材軟體、兒童資料、網路安全和消費者保護的要求。

證據材料應公開或提供給採購方:預期用途與禁忌用途、適用年齡和族群、輸入裝置和最低訊號品質、標籤定義、資料來源與代表性、訓練測試隔離方法、逐狀態效能和信賴區間、失敗模式、拒判邏輯、版本變更及真實世界監測計畫。若產品宣稱能降低風險或改善臨床結果,還需採用與該結果相符的研究設計,不能用分類準確率取代臨床效益。不同國家或地區的授權不可自動移植,採購方應核對當地狀態及獲准的具體功能。

採購或部署時,可用一條完整鏈路審查:它為哪一類嬰幼兒解決什麼問題,蒐集什麼資料,由誰查看,錯誤時會發生什麼,使用者如何取得限制說明,異常由誰負責。合約應約定資料所有權、二次使用、次處理者、保存與刪除、服務中斷、漏洞修補、模型更新通知、效能承諾、稽核權與退出移轉。只有在安全睡眠實務未被削弱、證據與主張相稱、演算法能誠實拒判且責任邊界清楚時,睡眠狀態識別才適合作為照護與研究的輔助資訊。