睡眠呼吸中止症的盛行率高，併發症也多，但因為診斷追蹤不易，患者難以得到完善照護。對此，臺大醫院睡眠中心主任李佩玲副教授帶領團隊開發出自動化偵測演算法，結合與聯發科技開發的感測晶片，使居家患者可以使用穿戴式裝置進行精準睡眠分層分析，實現居家即時監控的夢想...

李佩玲副教授指出，阻塞性呼吸中止症(Obstructive Sleep Apnea, OSA)盛行率高達9-38%，會造成心血管疾病、代謝失調、以及神經認知障礙等併發症。又根據臺灣睡眠醫學學會電話調查隨機選取1000位受訪者，約20%有睡眠困擾，以此保守推估北北基醫師服務患者中，一次且橫斷性的潛在睡眠障礙約為15萬5千人；若以呼吸中止症盛行率9%預估，光是大台北地區就約有7萬人受到呼吸中止症困擾。

睡眠分層依靠睡眠技師人工操作，耗費大量時間

目前OSA診斷標準為整夜睡眠多項生理檢查(polysomnography, PSG)，測量睡眠中每小時呼吸停止次數(Apnea-Hypopnea Index, AHI)來評估疾病嚴重程度。然而此項檢查供不應求且耗時耗人力，因此又發展出居家檢查(Home Sleep Apnea Testing, HSAT)並成為目前美國診斷OSA主要工具，但HSAT無法追蹤腦波訊號，會影響AHI的計算。此外，研究也顯示OSA是一個複雜的集合體，各種外顯症狀(phenotype)如嗜睡、非嗜睡、睡眠中斷等，其預後與治療方式都不同，因此也需要更好的追蹤分析工具。

此外，檢查完成後的睡眠分層分析仍依靠睡眠技師人工執行，必須花費大量時間進行標記，導致許多病患無法得到即時的治療；縱使現今有許多可追蹤睡眠變化的穿戴式裝置，能夠長期追蹤睡眠效率和呼吸質量等資訊，然而缺乏一個穿戴式裝置與醫療級衛教整合的平台，讓使用者精確的瞭解自己睡眠習慣並改善睡眠品質。

團隊開發出自動化監測OSA演算法，並與聯發科技合作設計感測晶片

為了提升檢測品質，李佩玲團隊以鼻腔壓力做為單一訊號，開發出自動化偵測演算法，實現高精確度、低功耗及低成本之睡眠分層處理系統，能迅速偵測並且分類不同的睡眠呼吸中止症。

團隊進一步與聯發科技團隊合作，透過自主開發睡眠分期和睡眠呼吸中止自動判讀軟體，並搭配Sensio的感測晶片，使穿戴式裝置能長時間紀錄居家睡眠資訊。未來患者在家中將可即時地進行睡眠分層分析，達到居家診斷監控之夢想。

整合穿戴裝置的技術可以幫助人們更好地了解自己的睡眠狀況，進而提高居家睡眠品質。此外，這項技術還整合臺大醫院睡眠中心的醫療級睡眠品質改善建議，從而幫助人們更容易地了解自己的睡眠習慣並改善睡眠質量。

※李佩玲副教授團隊獲得第17屆國家新創獎「臨床新創－創新醫護服務」肯定。（圖片來源：臺大醫院李佩玲主任團隊）

整套流程預計將以訂閱制方式提供服務

聯發科Sensio感測晶片已完成硬體驗證，並於2017年提供聯發科技約500位員工使用，讓員工隨時記錄和了解自己的睡眠健康資訊。李佩玲團隊表示，將持續研究整合相關電路技術及演算法，以進一步提升整體系統效能及準確度表現。

未來，團隊希望將整個流程以訂閱制方式向醫療院所、依據服務病人的數目進行收費，由病人將能記錄呼吸訊號的裝置帶回家中檢測，檢測完畢後將呼吸訊號上傳至醫院的數據中心進行自動化標記，以此來減少睡眠技師標記所需的時間。若病人付費可轉為加值服務模式，即可使用由聯發科技和臺大睡眠中心團隊共同開發的睡眠健康監測平台。

※系列報導：

• 台大睡眠中心建構呼吸中止症遠距管理平台，滿足居家照護需求