WO2025014160A1 - 개인 맞춤형 수면 패턴 제공 시스템 - Google Patents

개인 맞춤형 수면 패턴 제공 시스템 Download PDF

Info

Publication number
WO2025014160A1
WO2025014160A1 PCT/KR2024/009329 KR2024009329W WO2025014160A1 WO 2025014160 A1 WO2025014160 A1 WO 2025014160A1 KR 2024009329 W KR2024009329 W KR 2024009329W WO 2025014160 A1 WO2025014160 A1 WO 2025014160A1
Authority
WO
WIPO (PCT)
Prior art keywords
sleep
personalized
user
work
biological
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/KR2024/009329
Other languages
English (en)
French (fr)
Inventor
김재경
주은연
송윤민
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Korea Advanced Institute of Science and Technology KAIST
Samsung Life Public Welfare Foundation
Institute for Basic Science
Original Assignee
Korea Advanced Institute of Science and Technology KAIST
Samsung Life Public Welfare Foundation
Institute for Basic Science
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from KR1020230088588A external-priority patent/KR102953530B1/ko
Application filed by Korea Advanced Institute of Science and Technology KAIST, Samsung Life Public Welfare Foundation, Institute for Basic Science filed Critical Korea Advanced Institute of Science and Technology KAIST
Publication of WO2025014160A1 publication Critical patent/WO2025014160A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
    • A61M21/02—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis for inducing sleep or relaxation, e.g. by direct nerve stimulation, hypnosis, analgesia
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Definitions

  • the present invention relates to a system for providing a personalized sleep pattern, and more particularly, to a system for providing a personalized sleep pattern using a mathematical model based on user data collected by a wearable device.
  • the problem to be solved by the present invention is to provide a system that accurately predicts a user's real-time arousal level using a mathematical model and, accordingly, provides a customized sleep pattern to maintain a high state of arousal during shift work.
  • One embodiment for solving the above-described problem includes a data collection unit configured to collect sleep-wake data including user's sleep pattern information and work-wake data including information on the user's level of alertness during the user's wake-up time, an analysis unit configured to estimate homeostatic sleep pressure and biological sleep threshold based on the sleep-wake state data and the work-wake data, and to calculate a predicted level of alertness based on the homeostatic sleep pressure and the biological sleep threshold, a sleep pattern provision unit configured to generate a personalized sleep pattern based on the predicted level of alertness, wherein the personalized sleep pattern includes an adaptive biological split sleep including a required main sleep and a sleep immediately before work, including a personalized sleep pattern provision system.
  • One embodiment for solving the above-described problem includes a step of collecting, by a data collection unit, sleep-wake data including information on a user's sleep pattern and work-wake data including information on a level of alertness during the user's wake-up time, a step of estimating, by an analysis unit, a homeostatic sleep pressure and a biological sleep threshold based on the sleep-wake state data and the work-wake data, and calculating a predicted level of alertness based on the homeostatic sleep pressure and the biological sleep threshold, a step of generating, by a sleep pattern providing unit, a personalized sleep pattern based on the predicted level of alertness, wherein the personalized sleep pattern includes an operating method of a personalized sleep pattern providing system including adaptive biological segmented sleep including a necessary main sleep and sleep immediately before work.
  • the problem to be solved by the present invention is to provide a system that accurately predicts a user's real-time arousal level using a mathematical model and, accordingly, provides a customized sleep pattern to maintain a high state of arousal during shift work.
  • Figure 1A is a diagram showing data collected on shift work nurses.
  • Figure 1B is a graph showing that there is no correlation between total sleep time before shift work and KSS score.
  • FIG. 2 is a diagram showing the configuration of a personalized sleep pattern providing system according to one embodiment of the present invention.
  • FIG. 3 is a flowchart showing the operation method of the personalized sleep pattern provision system of Figure 2.
  • Figure 4A is a diagram for explaining the operation of calculating the predicted arousal level in the analysis unit of Figure 3.
  • FIG. 4B is a diagram showing the relationship between the predicted arousal level and the actual arousal level calculated by the analysis unit according to an embodiment of the present invention.
  • FIG. 4C is a diagram showing a comparison between the mathematical model of the present invention and three process models.
  • FIG. 4D is a drawing showing a comparison between the mathematical model of the present invention and the post-nova model.
  • FIG. 5A and FIG. 5B are drawings for explaining the effect of the adaptive bio-segmented sleep of the present invention.
  • Figure 6 is a diagram for explaining providing a personalized sleep pattern based on the user's sleep history.
  • FIG. 2 A drawing showing the best mode for carrying out the present invention is Fig. 2.
  • the term “device” or “part” refers to any combination of software, firmware, and/or hardware configured to provide the functionality described herein.
  • software may be implemented as a software package, code, and/or a set of instructions or commands
  • hardware may include a single or any combination or assembly of hardwired circuitry, programmable circuitry, state machine circuitry, and/or firmware storing instructions that are executed by programmable circuitry.
  • Figure 1A is a diagram showing data collected on shift work nurses.
  • various data can be collected through a wearable device (110) and a sleep diary (120) worn by a user.
  • the user can be a nurse working shifts at a hospital.
  • sleep-wake state data can be measured through a wearable device (110) worn by the user.
  • sleep-wake state data can include information on the activity level (black graph) and sleep amount (or sleep pattern) (gray area) of a shift nurse.
  • work-wake data may be collected through a sleep diary (120) written by a shift nurse.
  • the work-wake data may include information about the shift nurse's work hours (hatched area) and the level of wakefulness at the start (black arrow) and end (white arrow) of the shift.
  • alertness refers to the Karolinska Sleepiness Scale (KSS).
  • KSS Karolinska Sleepiness Scale
  • the KSS is a single-item questionnaire that ranges from 1 (very alert) to 9 (very sleepy and struggling to sleep), with scores of 7 to 9 indicating a high level of sleepiness.
  • Figure 1A provides data on multiple sleep patterns of shift workers before the start of their shifts. If the shift worker's work time is during the day (between 6:00 AM and 6:00 PM (18 in the graph)), it means day work. If the shift worker's work time is at night (between 6:00 PM and 6:00 AM), it means night work.
  • Figure 1B is a graph showing that there is no correlation between total sleep time before shift work and KSS score.
  • the black solid line represents the least-squares fit line
  • r and p represent the Pearson correlation coefficient and the p-value of the Pearson correlation test, respectively.
  • the total sleep time before shift work was not significantly correlated with the average KSS score during work, indicating that a long sleep time does not guarantee a high level of alertness.
  • FIG. 2 is a diagram showing the configuration of a personalized sleep pattern providing system according to one embodiment of the present invention.
  • a personalized sleep pattern provision system may include a data collection unit (210), an analysis unit (220), and a sleep pattern provision unit (230).
  • the data collection unit (210) may be configured to collect status data of an individual system user.
  • the data collection unit (210) may include at least one of a wearable device (110) attached to the user in FIG. 1 and a sleep diary (120) written by the user.
  • the wearable device may include a Readiband, which is a wrist actigraphy device.
  • the status data may include sleep-wake data and work-wake data.
  • sleep-wake status data may include information about the activity level, sleep patterns, etc. of a shift nurse.
  • work-wake data may include information about the working hours of a shift nurse, the level of alertness during wake time, etc.
  • the analysis unit (220) may be configured to estimate homeostatic sleep pressure and circadian rhythms in real time based on sleep-wake state data and work-wake data. For example, the analysis unit (220) may estimate dynamic circadian sleep thresholds in real time based on irregular sleep-wake data and irregular light exposure.
  • the analysis unit (220) may be configured to calculate the predicted arousal based on the homeostatic sleep pressure and the biological sleep threshold estimated in real time. In one embodiment, the analysis unit (220) may calculate the difference value of the homeostatic sleep pressure from the biological sleep threshold as the predicted arousal. In one embodiment, the analysis unit (220) may calculate the predicted arousal through a linear mixed effects model based on the arousal obtained at the beginning and the end of each working period.
  • the sleep pattern provider (230) can be configured to generate a personalized sleep pattern based on the calculated predicted arousal level and the user's available sleep time.
  • the personalized sleep pattern may be Adaptive Circadian Split Sleep (ACSS).
  • Adaptive circadian split sleep may include a required primary sleep and a pre-shift sleep.
  • the required primary sleep may include a period during non-work hours when the homeostatic pressure is less than a circadian sleep threshold
  • the pre-shift sleep may include a period following the required primary sleep and prior to the start of a work shift.
  • the sleep pattern providing unit (230) can be configured to provide a personalized sleep pattern generated by the analysis unit (220) to the user in real time.
  • FIG. 3 is a flowchart showing the operation method of the personalized sleep pattern provision system of Figure 2.
  • the data collection unit (210) can collect sleep-wake state data and work-wake data from shift nurses.
  • sleep-wake state data can include information on the activity level and sleep pattern of shift nurses.
  • work-wake data can include information on the work hours of shift nurses, the level of arousal during arousal hours, etc.
  • the analysis unit (220) can estimate homeostatic sleep pressure and circadian rhythms in real time based on sleep-wake state data and work-wake data, and calculate a predicted arousal level based on the homeostatic sleep pressure and circadian sleep threshold estimated in real time.
  • the sleep pattern providing unit (230) can generate a personalized sleep pattern based on the calculated predicted arousal level and the user's available sleep time, and the sleep pattern providing unit (230) can provide the personalized sleep pattern generated by the analysis unit (220) to the user in real time.
  • Figure 4A is a diagram for explaining the operation of calculating the predicted arousal level in the analysis unit of Figure 3.
  • the analysis unit (220) can simulate homeostatic sleep pressure (black solid line) at the biological sleep threshold (black dotted line) using a physiologically based mathematical model that describes the human sleep-wake cycle to predict the level of arousal based on sleep patterns.
  • a physiologically based mathematical model can simulate two major processes that influence sleep: homeostatic sleep pressure (solid black line), which increases while an individual is awake and decreases while sleeping, and circadian sleep threshold (dashed black line), which fluctuates according to internal circadian rhythms.
  • the mathematical model may include those disclosed in patent document KR 2409990 B1 that integrate forced wakefulness (FW) and forced sleep (FS). Forced wakefulness may mean a state in which the predicted wakefulness is less than 0, and forced sleep may mean a state in which the predicted wakefulness is greater than 0.
  • the amplitude of the circadian sleep threshold is altered by individual light exposure, which affects the internal circadian clock. If the mathematical model predicts that the individual should be asleep because the sleep pressure is above the sleep threshold, but is actually awake, the model simulates forced awakening to prevent sleep pressure from decreasing. Similarly, if the model predicts that the individual should be awake but is actually asleep, the model simulates forced sleep to prevent sleep pressure from increasing. As a result, the model can simulate two processes by utilizing actual sleep-wake states rather than predicted natural states. As the difference between the circadian sleep threshold and homeostatic sleep pressure increases, the individual is expected to be in a more natural state of wakefulness and thus more aroused. This difference is called predicted arousal and can be used to predict actual arousal. For example, if the predicted arousal is negative, the individual is in a state of forced wakefulness, which means that they are sleep-deprived and have low arousal.
  • the analysis unit (220) can calculate the difference in homeostatic sleep pressure from the simulated biological sleep threshold as a predicted arousal level (red and blue arrows indicate positive and negative predicted arousal levels, respectively).
  • FIG. 4B is a diagram showing the relationship between the predicted arousal level and the actual arousal level calculated by the analysis unit according to an embodiment of the present invention.
  • FIG. 4C is a diagram showing a comparison between the mathematical model of the present invention and three process models.
  • the mathematical model used in the analysis unit (220) of the present invention estimates a dynamic biological sleep threshold to predict arousal, but in contrast, the three process model assumes a static biological process.
  • the predicted KSS score from the analysis unit (220) calculated using the dynamic sleep threshold was compared with the predicted score based on the arousal predicted by the three process models.
  • the predicted KSS score from the mathematical model of the present invention is more accurate than the predicted results from the three process models.
  • the predicted results of the present invention become more accurate. This shows that estimating the dynamic biological rhythm can predict the arousal of shift workers during night work more accurately than assuming the static biological rhythm.
  • FIG. 4D is a drawing showing a comparison between the mathematical model of the present invention and the post-nova model.
  • the postnova model simulates by introducing only forced wakefulness. Therefore, the sleep time simulated in the postnova model is shorter than the actual sleep time, resulting in sleep mismatch.
  • Sleep inconsistency is common, especially for shift workers, who sleep during the day, and usually require forced sleep simulation. Sleep inconsistency can reduce the accuracy of predictions of arousal.
  • the prediction results of the post-nova model are less accurate than the predicted arousal predicted by the mathematical model of the present invention. This suggests that it is important to utilize actual sleep patterns to accurately predict the arousal of shift workers.
  • FIG. 5A and FIG. 5B are drawings for explaining the effect of the adaptive bio-segmented sleep of the present invention.
  • the necessary primary sleep and the late nap taken before the start of shift work are included until the homeostatic sleep pressure drops below the circadian sleep threshold (Fig. 5A (iii) left).
  • the necessary primary sleep and late nap are expected to effectively reduce the forced wake period during both working and non-working hours (Fig. 5A (iii) right).
  • the forced wake period after applying the adaptive circadian split sleep and the original sleep pattern while maintaining the same sleep time as before work every night is provided.
  • the adaptive circadian split sleep reduced the forced wake period during working hours compared to the original sleep pattern ( Figure 5B (i)), and the forced wake period during off-work hours hardly increased ( Figure 5B (ii)).
  • the adaptive circadian split sleep of the present invention is a sleep-wake pattern that is more suitable for individuals to follow than the delayed sleep pattern while maintaining a low forced arousal state during night shift hours.
  • the adaptive circadian split sleep effectively induces a low forced arousal state even during evening shift hours, indicating that it can be applied to various work schedules.
  • Fig. 6 is a diagram for explaining providing a personalized sleep pattern based on a user's sleep history.
  • providing a personalized sleep pattern to a user will be explained with reference to Fig. 2.
  • the data collection unit (210) may be configured to collect and store the user's sleep history.
  • the sleep history may include a plurality of sleep-wake data and a plurality of work-wake data of the user.
  • the analysis unit (220) may be configured to calculate the predicted arousal level in real time based on the sleep history.
  • the analysis unit (220) may estimate the homeostatic sleep pressure and dynamic biological sleep threshold in real time using a physiologically based mathematical model that describes the human sleep-wake cycle, and calculate the predicted arousal level in real time based on the difference between the homeostatic sleep pressure and the dynamic biological sleep threshold.
  • the sleep pattern providing unit (230) can be configured to provide a personalized sleep pattern to the user in real time based on the predicted arousal level generated by the analysis unit (220).
  • the sleep pattern providing unit (230) may be configured to receive the user's sleep start time from a user input.
  • the sleep pattern providing unit (230) may be configured to generate an adaptive biological split sleep including a necessary main sleep and a sleep immediately before work required to reduce napping during work hours based on the user's sleep start time.
  • the sleep pattern providing unit (230) may provide the generated adaptive biological split sleep to the user's terminal display.
  • the present invention relates to a system for providing a personalized sleep pattern. More specifically, it can be used in a system for providing a personalized sleep pattern by using a mathematical model based on user data collected by a wearable device.

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Psychology (AREA)
  • Data Mining & Analysis (AREA)
  • Anesthesiology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Pain & Pain Management (AREA)
  • Acoustics & Sound (AREA)
  • Hematology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

본 발명은 사용자의 수면 패턴 정보를 포함하는 수면-각성 데이터 및 사용자의 각성 시간 중의 각성도에 대한 정보를 포함하는 근무-각성 데이터를 수집하도록 구성된 데이터 수집부, 상기 수면-각성 상태 데이터 및 상기 근무-각성 데이터에 기초하여 항상성 수면 압력 및 생체 수면 역치를 추정하고, 상기 항상성 수면 압력 및 상기 생체 수면 역치에 기초하여 예측 각성도를 산출하도록 구성된 분석부, 상기 예측 각성도에 기초하여 개인 맞춤형 수면 패턴을 생성하도록 구성된 수면 패턴 제공부를 포함하고, 상기 개인 맞춤형 수면 패턴은 필요 주 수면 및 근무 직전 수면을 포함하는 적응형 생체 분할 수면을 포함하는 개인 맞춤형 수면 패턴 제공 시스템을 제공한다

Description

개인 맞춤형 수면 패턴 제공 시스템
본 발명은 개인 맞춤형 수면 패턴 제공 시스템에 관한 것으로, 구체적으로는 웨어러블 기기로 수집된 사용자의 데이터에 기초하여 수학적 모델을 이용하여 개인 맞춤형 수면 패턴을 제공하는 시스템에 관한 것이다.
현대의 24시간 사회가 전통적인 활동 시간이 아닌 시간에도 높은 주의력과 생산성을 요구함에 따라, 개인은 생체 리듬(circadian rhythm)이 낮에 자연스럽게 맞춰지는 것을 극복하고 각성을 유지하는 데 어려움을 겪고 있다.
우리 몸의 내부 생체 시계가 빛-어둠 주기와 같은 외부 신호에 영향을 받으면 주간에 높은 성과를 내고 야간 수면을 회복할 수 있다. 그러나 현재 24시간 사회에서 전 세계 노동 인구의 약 20%는 지속적인 인력 수요로 인해 전통적인 주간 근무 시간 외에 근무하고 있다. 또한 인공 조명 노출이 보편화되면서 일반 인구의 80% 이상이 교대 근무와 같은 생활 방식을 가지고 있다. 이는 정상적인 수면-각성 주기를 강제로 방해하여 업무 시간에는 과도한 졸음을, 업무 외 시간에는 불충분한 수면과 수면 장애를 유발한다. 불규칙한 수면-각성 주기와 불충분한 수면은 심장대사 스트레스, 면역 기능 변화, 세포 스트레스와 같은 생리적, 심리적 방어 메커니즘을 변화시켜 제2형 당뇨병, 심혈관 질환, 암과 같은 부정적인 건강 문제의 위험을 증가시킬 수 있다. 또한 수면 부족의 주요 결과인 피로와 주의력 감소는 업무 중 및 퇴근 후 운전 중 실수 및 사고의 위험을 증가시킨다.
교대 근무자의 주의력 저하를 완화하기 위한 효과적인 개입은 근무 외 시간에 적절한 수면 시간을 예약하는 것이다. 미국 국립산업안전보건연구원(NIOSH)은 야간 근무 간호사는 오후 2시 이전에 가능한 한 긴 수면을 취하고 예방적 낮잠을 자야 한다고 제안한다. 여러 연구에 따르면 야간 근무 전에 낮잠을 자면 근무 시간 동안 주의력이 향상될 수 있다고 한다. 반면에 최근 연구에 따르면 야간 근무 전에 가능한 한 늦게 수면을 취하는 것이 더 나은 적응으로 이어질 수 있다고 제안했다. 그러나 교대 근무자는 이러한 지연된 수면 전에 억지로 깨어 있어야 하기 때문에 이러한 수면은 비현실적이다. 교대 근무 중 주의력 저하를 방지하는 최적의 수면-각성 패턴은 아직 밝혀지지 않았다. 중요한 것은 개인의 수면 패턴에 관계없이 일률적으로 적용할 수 있는 최적의 개입 방법이 존재하지 않을 수 있다는 것이다.
최근 개인의 수면 이력을 실시간으로 추적하는 웨어러블 기기의 발전으로 개인 맞춤형 수면 중재가 가능해졌다. 수면 이력을 분석하고 효과적인 개인 맞춤형 개입을 식별하는 한 가지 유망한 접근 방식은 신체의 생리적 수면 필요성을 반영하는 수면 과정과 내부 생체 시계를 기초하여 수면과 각성의 조절을 나타내는 생체 과정이라는 두 가지 주요 과정을 기초하여 각성도를 예측하는 수학적 모델을 사용하는 것이다. 예를 들어, Åkerstedt와 Vital-Lopez 등은 수학적 모델을 사용하여 업무 시간 동안 각성도를 극대화하는 동시에 업무 외 시간 동안 각성도가 낮은 긴 시간을 피하는 실현 가능한(즉, 실용적이고 달성 가능한) 최적의 수면 패턴을 식별했다. 그러나 이러한 모델은 정적인 생체 과정을 가정하기 때문에 빛 노출 패턴이 역전되어 생체 리듬이 크게 변화하는 교대 근무자에게는 부적절할 수 있다. 이러한 한계를 해결하기 위해 최근 개발된 생리학 기반 모델에서는 생체 과정에 대한 빛 노출의 영향을 통합하여 각성도를 예측한다. 그러나 이 모델은 실제 수면 시간이 아닌 모델에서 예측한 수면 시간을 기준으로 각성도를 예측하기 때문에 예측 정확도가 떨어질 수 있다.
최근 웨어러블 기기의 발전으로 개인의 수면 이력을 실시간으로 추적하여 이러한 문제를 해결할 수 있는 개인 맞춤형 수면 개입이 가능해졌다. 이 기술을 활용하여 실시간 각성도를 정확하게 예측하고 목표 시간 동안 각성도를 극대화하고 준수할 수 있는 수면 스케줄을 추천하는 실용적이고 유연한 수면 중재 프레임워크를 개발했다. 또한 이 프레임워크를 실제 환경에서 구현하는 애플리케이션을 설계하여 기존의 주간 활동 시간 외에 생산성을 높이고 안전 위험을 줄일 수 있도록 했다.
본 발명이 해결하고자 하는 일 과제는 수학적 모델을 이용하여 사용자의 실시간 각성도를 정확하게 예측하고, 이에 따라 교대근무 시 높은 각성 상태를 유지하기 위하여 맞춤 수면 패턴을 제공하는 시스템을 제공하는 데에 있다.
상술한 과제를 해결하기 위한 일 실시 예는, 사용자의 수면 패턴 정보를 포함하는 수면-각성 데이터 및 사용자의 각성 시간 중의 각성도에 대한 정보를 포함하는 근무-각성 데이터를 수집하도록 구성된 데이터 수집부, 상기 수면-각성 상태 데이터 및 상기 근무-각성 데이터에 기초하여 항상성 수면 압력 및 생체 수면 역치를 추정하고, 상기 항상성 수면 압력 및 상기 생체 수면 역치에 기초하여 예측 각성도를 산출하도록 구성된 분석부, 상기 예측 각성도에 기초하여 개인 맞춤형 수면 패턴을 생성하도록 구성된 수면 패턴 제공부를 포함하고, 상기 개인 맞춤형 수면 패턴은 필요 주 수면 및 근무 직전 수면을 포함하는 적응형 생체 분할 수면을 포함하는 개인 맞춤형 수면 패턴 제공 시스템을 포함한다.
상술한 과제를 해결하기 위한 일 실시 예는, 데이터 수집부에서 사용자의 수면 패턴 정보를 포함하는 수면-각성 데이터 및 사용자의 각성 시간 중의 각성도에 대한 정보를 포함하는 근무-각성 데이터를 수집하는 단계, 분석부에서 상기 수면-각성 상태 데이터 및 상기 근무-각성 데이터에 기초하여 항상성 수면 압력 및 생체 수면 역치를 추정하고, 상기 항상성 수면 압력 및 상기 생체 수면 역치에 기초하여 예측 각성도를 산출하는 단계, 수면 패턴 제공부에서 상기 예측 각성도에 기초하여 개인 맞춤형 수면 패턴을 생성하는 단계를 포함하고, 상기 개인 맞춤형 수면 패턴은 필요 주 수면 및 근무 직전 수면을 포함하는 적응형 생체 분할 수면을 포함하는 개인 맞춤형 수면 패턴 제공 시스템의 동작 방법을 포함한다.
본 발명이 해결하고자 하는 일 과제는 수학적 모델을 이용하여 사용자의 실시간 각성도를 정확하게 예측하고, 이에 따라 교대근무 시 높은 각성 상태를 유지하기 위하여 맞춤 수면 패턴을 제공하는 시스템을 제공한다.
도 1A 교대근무 간호사들에 대하여 수집된 데이터를 나타낸 도면이다.
도 1B는 교대 근무 전 총 수면 시간과 KSS 점수 사이의 상관관계가 없음을 보여주는 그래프이다.
도 2는 본 발명의 일 실시 예에 따른 개인 맞춤형 수면 패턴 제공 시스템의 구성을 나타내는 도면이다.
도 3은 도 2의 개인 맞춤형 수면 패턴 제공 시스템의 동작 방법을 나타낸 순서도이다.
도 4A는 도 3의 분석부에서 예측 각성도를 산출하는 동작을 설명하기 위한 도면이다.
도 4B는 본 발명의 실시 예에 따른 분석부에서 산출하는 예측 각성도와 실제 각성도 사이의 관계를 나타낸 도면이다.
도 4C는 본 발명의 수학적 모델과 3개의 프로세스 모델을 비교한 것을 나타낸 도면이다.
도 4D는 본 발명의 수학적 모델과 포스트 노바 모델을 비교한 것을 나타낸 도면이다.
도 5A 및 도 5B는 본 발명의 적응형 생체 분할 수면의 효과를 설명하기 위한 도면들이다.
도 6은 사용자의 수면 이력에 기초하여 개인 맞춤형 수면 패턴을 제공하는 것을 설명하기 위한 도면이다.
본 발명의 실시를 위한 최선의 형태를 보여주는 도면은 도 2이다.
본 명세서에서 사용되는 바와 같이, “장치” 또는 "부"라는 용어는 본 명세서에서 설명된 기능을 제공하도록 구성된 소프트웨어, 펌웨어 및/또는 하드웨어의 임의의 조합을 지칭한다. 예를 들어, 소프트웨어는 소프트웨어 패키지, 코드 및/또는 명령 세트 또는 명령으로 구현될 수 있고, 예를 들어, 하드웨어는 하드와이어드 회로, 프로그래밍 가능 회로, 상태 머신 회로, 및/또는 프로그래밍 가능 회로에 의해 실행되는 명령어를 저장하는 펌웨어의 단일 또는 임의의 조합 또는 어셈블리를 포함할 수 있다.
이하에서, 본 발명의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있을 정도로, 본 발명의 실시 예들이 명확하고 상세하게 기재될 것이다.
도 1A 교대근무 간호사들에 대하여 수집된 데이터를 나타낸 도면이다.
도 1A를 참조하면, 사용자가 착용하는 웨어러블 디바이스(110) 및 수면 일기(120)를 통해 각종 데이터가 수집될 수 있다. 예를 들어, 사용자는 병원에서 교대 근무하는 간호사일 수 있다.
일 실시 예에서, 사용자가 착용하고 있는 웨어러블 디바이스(110)를 통해 수면-각성 상태 데이터를 측정할 수 있다. 예를 들어, 수면-각성 상태 데이터는 교대근무 간호사의 활동량(검은색 그래프), 수면량(또는, 수면 패턴)(회색 영역)에 대한 정보를 포함할 수 있다.
일 실시 예에서, 교대근무 간호사가 기입하는 수면 일기(120)를 통해 근무-각성 데이터가 수집될 수 있다. 예를 들어, 근무-각성 데이터는 교대근무 간호사의 근무 시간(빗금 영역), 교대근무 시작(검정색 화살표)과 종료(흰색 화살표) 시점의 각성도에 대한 정보를 포함할 수 있다.
본 명세서에서, 각성도는 카롤린스카 졸음 척도(Karolinska Sleepiness Scale, KSS)를 의미한다. 예를 들어, KSS는 1점(매우 깨어 있음)에서 9점(매우 졸려서 잠과 싸우고 있음)까지의 단일 항목 설문지로, 7~9점은 높은 수준의 졸음을 나타낸다.
도 1A에서는 교대근무 간호사의 교대 근무 시작 전의 복수의 수면 패턴들에 대한 데이터가 제공된다. 교대근무 간호사의 근무 시간이 주간(오전 6시 및 오후 6시(그래프의 18) 사이)인 경우 주간 근무를 의미하고, 교대근무 간호사의 근무 시간인 야간(오후 6시 및 오전 6시 사이)인 경우 야간 근무를 의미한다.
도 1B는 교대 근무 전 총 수면 시간과 KSS 점수 사이의 상관관계가 없음을 보여주는 그래프이다.
도 1B를 참조하면, 검은색 실선은 최소제곱적합선을 나타내고, r과 p는 각각 피어슨 상관관계 계수와 피어슨 상관관계 검정의 p값을 나타낸다. 교대 근무 전 총 수면 시간은 근무 평균 KSS 점수와 유의미한 상관관계가 없었으며, 이는 수면 시간이 길다고 해서 높은 각성도가 보장되는 것은 아니라는 것을 나타낸다.
도 2는 본 발명의 일 실시 예에 따른 개인 맞춤형 수면 패턴 제공 시스템의 구성을 나타내는 도면이다.
도 2를 참조하면, 개인 맞춤형 수면 패턴 제공 시스템(200)은 데이터 수집부(210), 분석부(220) 및 수면 패턴 제공부(230)를 포함할 수 있다.
데이터 수집부(210)는 시스템 사용자 개인의 상태 데이터를 수집하도록 구성될 수 있다. 예를 들어, 데이터 수집부(210)는 도 1에서의 사용자에게 부착된 웨어러블 장치(110), 및 사용자가 기입하는 수면 일기(120) 중 적어도 어느 하나를 포함할 수 있다. 예를 들어, 웨어러블 장치는 손목 액티그래피 장치인 Readiband를 포함할 수 있다.
상태 데이터는 수면-각성 데이터 및 근무-각성 데이터를 포함할 수 있다. 예를 들어, 수면-각성 상태 데이터는 교대근무 간호사의 활동량, 수면 패턴 등에 대한 정보를 포함할 수 있다. 예를 들어, 근무-각성 데이터는 교대근무 간호사의 근무 시간, 각성 시간 중의 각성도 등에 대한 정보를 포함할 수 있다.
분석부(220)는 수면-각성 상태 데이터 및 근무-각성 데이터에 기초하여 항상성 수면 압력(Homeostatic sleep pressure) 및 생체 리듬(Circadian rhythms)을 실시간으로 추정하도록 구성될 수 있다. 예를 들어, 분석부(220)는 불규칙한 수면-각성 데이터 및 불규칙한 빛 노출에 기초하여 실시간으로 동적 생체 수면 역치를 추정할 수 있다.
분석부(220)는 실시간으로 추정된 항상성 수면 압력 및 생체 수면 역치에 기초하여 예측 각성도를 산출하도록 구성될 수 있다. 일 실시 예에서, 분석부(220)는 생체 수면 역치에서 항상성 수면 압력의 차이 값을 예측 각성도로 산출할 수 있다. 일 실시 예에서, 분석부(220)는 각 근무 기간의 시작과 끝에서 얻은 각성도에 기초하여 선형 혼합 효과 모델을 통해 예측 각성도를 산출할 수 있다.
수면 패턴 제공부(230)는 산출된 예측 각성도 및 사용자의 수면 가능 시간에 기초하여 개인 맞춤형 수면 패턴을 생성하도록 구성될 수 있다.
일 실시 예에서, 개인 맞춤형 수면 패턴은 적응형 생체 분할 수면(Adaptive Circadian Split Sleep, ACSS)일 수 있다. 적응형 생체 분할 수면은 필요 주 수면 및 근무 직전 수면을 포함할 수 있다. 필요 주 수면은 비근무 시간 중 항상성 수치 압력이 생체 수면 역치보다 작은 구간을 포함하고, 근무 직전 수면은 필요 주 수면 이후 근무 시작 이전 구간을 포함할 수 있다.
수면 패턴 제공부(230)는 분석부(220)에서 생성된 개인 맞춤형 수면 패턴을 사용자에게 실시간으로 제공하도록 구성될 수 있다.
도 3은 도 2의 개인 맞춤형 수면 패턴 제공 시스템의 동작 방법을 나타낸 순서도이다.
도 3을 참조하면, S310 단계에서, 데이터 수집부(210)는 교대근무 간호사들로부터 수면-각성 상태 데이터 및 근무-각성 데이터를 수집할 수 있다. 예를 들어, 수면-각성 상태 데이터는 교대근무 간호사의 활동량, 수면 패턴 등에 대한 정보를 포함할 수 있다. 예를 들어, 근무-각성 데이터는 교대근무 간호사의 근무 시간, 각성 시간 중의 각성도 등에 대한 정보를 포함할 수 있다.
S320 단계에서, 분석부(220)는 수면-각성 상태 데이터 및 근무-각성 데이터에 기초하여 항상성 수면 압력(Homeostatic sleep pressure) 및 생체 리듬(Circadian rhythms)을 실시간으로 추정하고, 실시간으로 추정된 항상성 수면 압력 및 생체 수면 역치에 기초하여 예측 각성도를 산출할 수 있다.
S330 단계에서, 수면 패턴 제공부(230)는 산출된 예측 각성도 및 사용자의 수면 가능 시간에 기초하여 개인 맞춤형 수면 패턴을 생성할 수 있고, 수면 패턴 제공부(230)는 분석부(220)에서 생성된 개인 맞춤형 수면 패턴을 사용자에게 실시간으로 제공할 수 있다.
도 4A는 도 3의 분석부에서 예측 각성도를 산출하는 동작을 설명하기 위한 도면이다.
도 4A를 참조하면, 분석부(220)는 수면 패턴을 기반으로 각성도를 예측하기 위해 인간의 수면-각성 주기를 설명하는 생리학 기반 수학적 모델을 이용하여 생체 수면 역치(검정색 점선)에서 항상성 수면 압력(검은색 실선)을 시뮬레이션할 수 있다.
일 실시 예에서, 생리학 기반 수학적 모델은 수면에 영향을 미치는 두 가지 주요 과정인 개인이 깨어 있는 동안 증가하고 잠자는 동안 감소하는 항상성 수면 압력(검은색 실선)과 내부 생체 리듬에 따라 변동하는 생체 수면 역치(검정색 점선)를 시뮬레이션할 수 있다.
일 실시 예에서, 수학적 모델은 강제 각성(FW) 및 강제 수면(FS)을 통합한 것으로, 특허문헌 KR 2409990 B1에 개시된 것을 포함할 수 있다. 강제 각성은 예측 각성도가 0보다 작은 상태를 의미하고, 강제 수면은 예측 각성도가 0보다 큰 상태를 의미할 수 있다.
예를 들어, 생체 수면 역치의 진폭은 내부 생체 시계에 영향을 미치는 개별적인 빛 노출에 의해 변경된다. 수학적 모델에서 수면 압력이 수면 임계값 이상이기 때문에 개인이 잠을 자야 한다고 예측했지만 실제로는 깨어 있는 경우, 모델은 수면 압력이 감소하지 않도록 강제 각성을 시뮬레이션한다. 마찬가지로, 모델이 개인이 깨어 있어야 한다고 예측하지만 실제로는 잠들어 있는 경우 모델은 강제 수면을 시뮬레이션하여 수면 압력이 증가하지 않도록 한다. 결과적으로 모델은 예측된 자연 상태가 아닌 실제 수면-각성 상태를 활용하여 두 가지 과정을 시뮬레이션할 수 있다. 생체 수면 역치와 항상성 수면 압력의 차이가 커지면 개인은 더 자연스러운 각성 상태에 놓이게 되고, 따라서 더 각성 상태가 될 것으로 예상된다. 따라서 이 차이를 예측 각성도라고 하여 실제 각성도를 예측하는 데 사용할 수 있다. 예를 들어, 예측 각성도가 음수인 경우, 개인은 강제 각성 상태에 있으므로 수면이 부족하고 각성도가 낮은 상태이다.
분석부(220)는 시뮬레이션된 생체 수면 역치에서 항상성 수면 압력의 차이를 예측 각성도로 산출할 수 있다(빨간색 및 파란색 화살표는 각각 양수 및 음수의 예측 각성도를 의미한다).
도 4B는 본 발명의 실시 예에 따른 분석부에서 산출하는 예측 각성도와 실제 각성도 사이의 관계를 나타낸 도면이다.
도 4B를 참조하면, 실제 각성도(KSS 점수)의 산점도(검은색 및 흰색 원)와 그 사이의 혼합 효과 모델 예측(검정색 실선)은 각각 연속 12시간 야간 근무(2N12), 연속 8시간 야간 근무(2N8 또는 3N8), 연속 3시간 야간 근무(3N8만)가 포함된 교대 스케줄을 가진 4명의 대표 개인으로부터 얻은 것이다. 본 발명의 경우, 혼합 효과 모델은 교대 스케줄에 관계없이 간호사의 KSS 점수를 정확하게 예측했다. 평균 절대 오차는 ~1이며, 주야간 교대 및 야간 교대 모두에서 측정된 점수의 ±1 범위 내에서 예측값이 75%에 달했다.
도 4C는 본 발명의 수학적 모델과 3개의 프로세스 모델을 비교한 것을 나타낸 도면이다.
도 4C를 참조하면, 본 발명의 분석부(220)에서 이용하는 수학적 모델은 각성도를 예측하기 위해 동적 생체 수면 역치를 추정하지만, 이와 달리 3개의 프로세스 모델에서는 정적 생체 프로세스를 가정한다.
교대 근무자의 야간에서의 광 노출 패턴은 생체 단계를 크게 변화시킬 수 있는 것으로 알려져 있다. 따라서, 본 발명에서와 같이 동적 생체 리듬을 추정하면 교대 근무자의 각성도를 더 정확하게 예측할 수 있다.
이를 테스트하기 위해 동적 수면 임계 값을 사용하여 계산된 분석부(220)에서예측된 KSS 점수를 세 가지 프로세스 모델로 예측된 각성도에 기반한 점수 예측과 비교했다. 비교 결과, 본 발명의 수학적 모델에서 예측한 KSS 점수는 세 가지 프로세스 모델의 예측 결과에 비하여 더 정확하다. 특히, 정적 생체 과정 사이의 위상차가 커짐에 따라(특히, 야간 근무의 경우) 본 발명의 예측 결과가 더 정확해진다. 이는 동적 생체 리듬을 추정하는 것이 정적 생체 리듬을 가정하는 것보다 야간 근무 시 교대근무자의 각성도를 더 정확하게 예측할 수 있음을 보여준다.
도 4D는 본 발명의 수학적 모델과 포스트 노바 모델을 비교한 것을 나타낸 도면이다.
도 4D를 참조하면, 본 발명에서 이용하는 수학적 모델이 강제 수면과 강제 각성을 모두 이용하는 것과 달리 포스트노바 모델에서는 강제 각성만을 도입하여 시뮬레이션한다. 따라서 포스트노바 모델에서 시뮬레이션한 수면 시간은 실제 수면 시간보다 짧아 수면 불일치가 발생했다.
특히 교대 근무자의 경우 낮에 수면을 취하기 때문에 수면 불일치가 빈번하게 발생하며, 일반적으로 강제 수면을 시뮬레이션해야 한다. 수면 불일치는 각성도에 대한 예측의 정확도를 떨어뜨릴 수 있다.
이를 테스트하기 위해 KSS 점수 예측을 강제 각성만 통합하여 얻은 포스트노바 모델로 예측 결과와 비교했다. 시뮬레이션한 수면 기간(검은색 선)은 실제 수면 기간(빗금 영역)과 정확히 일치하지 않아 수면 불일치(검정색 화살표)가 발생하게 된다. 본 발명의 경우, 포스트 노바 모델을 적용한 것과 비교하여, 전체 데이터 중 수면 불일치 비율이 증가함에 따라 당사 모델과 포스트노바 모델 간의 ±1% 이내 차이(±1% 이내 개선율)가 증가한다.
수면 불일치 비율이 높은 개인의 경우, 포스트 노바 모델의 예측 결과는 본 발명의 수학적 모델이 예측한 예측 각성도보다 정확도가 떨어진다. 이는 교대 근무자의 각성도를 정확하게 예측하기 위해서는 실제 수면 패턴을 활용하는 것이 중요하다는 것을 나타낸다.
도 5A 및 도 5B는 본 발명의 적응형 생체 분할 수면의 효과를 설명하기 위한 도면들이다.
먼저 도 5A를 참조하면, 간호사의 원래 수면 패턴에 본 발명의 수학적 모델을 적용한 결과 야간 근무 중 생체 수면 역치가 상당히 감소하는 것으로 예측되었다(도 5A (i) 왼쪽). 이로 인해 예측 각성도가 상당히 감소하여 예측 각성도가 0보다 작은 긴 강제 각성 기간이 발생했다(도 5A (i) 오른쪽).
이전 연구에 따르면 수면 시작을 야간 작업 시작에 최대한 가깝게 지연시키는 지연 수면 패턴은 야간 작업 중 각성도를 효과적으로 높일 수 있다. 실제로 동일한 수면 시간을 가진 지연 수면 패턴을 기반으로 한 모델 시뮬레이션(도 5A (ii) 왼쪽)은 야간 근무 시간 동안 강제 각성 기간이 효과적으로 감소하는 것을 예측한다(도 5A (ii) 오른쪽, 빗금 영역). 그러나 지연된 수면 패턴은 야간 근무 전 비근무 시간 동안에도 긴 강제 각성 기간을 필요로 하기 때문에(도 5A (ii) 오른쪽, 흰색 영역) 교대 근무자가 이를 따르기 어렵다. 이는 이전 연구에서 교대 근무자가 야간 근무 전 지연 수면 패턴을 준수하는 비율이 26.8%로 낮게 나타난 이유를 설명해 준다.
본 발명에서의 적응형 생체 분할 수면의 경우, 항상성 수면 압력이 생체 수면 역치 아래로 떨어질 때까지 지속되는 필요 주 수면과 교대 근무 시작 전에 취하는 늦은 낮잠이 포함된다(도 5A (iii) 왼쪽). 필요한 주 수면과 늦잠은 근무 시간과 비근무 시간 모두에서 강제 각성 기간을 효과적으로 줄일 수 있을 것으로 예상된다(도 5A (iii) 오른쪽).
도 5B를 참조하면, 매일 밤 근무 전과 동일한 수면 시간을 유지한 상태에서 적응형 생체 분할 수면과 기존 수면 패턴을 적용한 후의 강제 각성 기간이 제공된다. 적응형 생체 분할 수면은 원래 수면 패턴에 비해 근무 시간 동안의 강제 각성 기간을 줄였고(도 5B (i)), 근무 외 시간 동안의 강제 각성 기간은 거의 증가하지 않았다(도 5B (ii)).
적응형 생체 분할 수면을 지연 수면 패턴과 비교했을 때, 근무 시간 동안의 강제 각성 기간은 비슷했지만(도 5B (iii)), 근무 외 시간 동안의 강제 각성 기간은 크게 줄었다(도 5B (iv)).
본 발명의 적응형 생체 분할 수면은 야간 근무 시간 동안 낮은 강제 각성 상태를 유지하면서 지연 수면 패턴보다 개인이 따르기에 더 적합한 수면-각성 패턴이다. 또한, 적응형 생체 분할 수면은 저녁 근무 시간에도 효과적으로 낮은 강제 각성 상태를 유도하여 다양한 근무 스케줄에 적용할 수 있음을 나타낸다.
도 6은 사용자의 수면 이력에 기초하여 개인 맞춤형 수면 패턴을 제공하는 것을 설명하기 위한 도면이다. 이하, 도 2를 같이 참조하여 사용자에게 개인 맞춤형 수면 패턴을 제공하는 것을 설명한다.
도 2 및 도 6을 참조하면, 데이터 수집부(210)는 사용자의 수면 이력 수집하여 저장하도록 구성될 수 있다. 예를 들어, 수면 이력은 사용자의 복수의 수면-각성 데이터들 및 복수의 근무-각성 데이터들을 포함할 수 있다.
분석부(220)는 수면 이력에 기초하여 예측 각성도를 실시간으로 산출하도록 구성될 수 있다. 일 실시 예에서, 분석부(220)는 인간의 수면-각성 주기를 설명하는 생리학 기반 수학적 모델을 이용하여 항상성 수면 압력 및 동적 생체 수면 역치를 실시간으로 추정하고, 항상성 수면 압력 및 동적 생체 수면 역치의 차이에 따라 예측 각성도를 실시간으로 산출할 수 있다.
수면 패턴 제공부(230)는 분석부(220)에서 생성된 예측 각성도에 기초하여 개인 맞춤형 수면 패턴을 사용자에게 실시간으로 제공하도록 구성될 수 있다.
일 실시 예에서, 수면 패턴 제공부(230)는 사용자 입력으로부터 사용자의 수면 시작 시간을 수신하도록 구성될 수 있다. 수면 패턴 제공부(230)는 사용자의 수면 시작 시간에 기초하여 근무 시간 동안 낮잠을 적게 자게 하는 데 필요한 필요 주 수면 및 근무 직전 수면을 포함하는 적응형 생체 분할 수면을 생성하도록 구성될 수 있다. 수면 패턴 제공부(230)는 생성된 적응형 생체 분할 수면을 사용자의 단말기 디스플레이로 제공할 수 있다.
상술된 내용은 본 발명을 실시하기 위한 구체적인 실시 예들이다. 본 발명은 상술된 실시 예들뿐만 아니라, 단순하게 설계 변경되거나 용이하게 변경할 수 있는 실시 예들 또한 포함할 것이다. 또한, 본 발명은 실시 예들을 이용하여 용이하게 변형하여 실시할 수 있는 기술들도 포함될 것이다. 따라서, 본 발명의 범위는 상술된 실시 예들에 국한되어 정해져서는 안되며 후술하는 특허청구범위뿐만 아니라 이 발명의 특허청구범위와 균등한 것들에 의해 정해져야 할 것이다.
본 발명은 개인 맞춤형 수면 패턴 제공 시스템에 관한 것이다. 좀 더 자세하게는, 웨어러블 기기로 수집된 사용자의 데이터에 기초하여 수학적 모델을 이용하여 개인 맞춤형 수면 패턴을 제공하는 시스템에 이용 가능하다.

Claims (10)

  1. 사용자의 수면 패턴 정보를 포함하는 수면-각성 데이터 및 사용자의 각성 시간 중의 각성도에 대한 정보를 포함하는 근무-각성 데이터를 수집하도록 구성된 데이터 수집부;
    상기 수면-각성 상태 데이터 및 상기 근무-각성 데이터에 기초하여 항상성 수면 압력 및 생체 수면 역치를 추정하고, 상기 항상성 수면 압력 및 상기 생체 수면 역치에 기초하여 예측 각성도를 산출하도록 구성된 분석부;
    상기 예측 각성도에 기초하여 개인 맞춤형 수면 패턴을 생성하도록 구성된 수면 패턴 제공부를 포함하고,
    상기 개인 맞춤형 수면 패턴은 필요 주 수면 및 근무 직전 수면을 포함하는 적응형 생체 분할 수면을 포함하는 개인 맞춤형 수면 패턴 제공 시스템.
  2. 제1 항에 있어서,
    상기 데이터 수집부는 상기 사용자에게 부착된 웨어러블 장치를 포함하는 개인 맞춤형 수면 패턴 제공 시스템.
  3. 제1 항에 있어서,
    상기 분석부는 인간의 수면-각성 주기를 설명하는 생리학 기반 수학적 모델을 이용하여 상기 항상성 수면 압력 및 상기 생체 수면 역치를 추정하도록 구성된 개인 맞춤형 수면 패턴 제공 시스템.
  4. 제3 항에 있어서,
    상기 분석부는 상기 항상성 수면 압력 및 상기 생체 수면 역치의 차이에 기초하여 상기 예측 각성도를 산출하도록 구성된 개인 맞춤형 수면 패턴 제공 시스템.
  5. 제1 항에 있어서,
    상기 필요 주 수면은 상기 사용자의 비근무 시간 중 상기 항상성 수치 압력이 상기 생체 수면 역치보다 작은 구간을 포함하고,
    상기 근무 직전 수면은 상기 필요 주 수면 이후 상기 사용자의 근무 시작 이전 구간을 포함하는 개인 맞춤형 수면 패턴 제공 시스템.
  6. 데이터 수집부에서 사용자의 수면 패턴 정보를 포함하는 수면-각성 데이터 및 사용자의 각성 시간 중의 각성도에 대한 정보를 포함하는 근무-각성 데이터를 수집하는 단계;
    분석부에서 상기 수면-각성 상태 데이터 및 상기 근무-각성 데이터에 기초하여 항상성 수면 압력 및 생체 수면 역치를 추정하고, 상기 항상성 수면 압력 및 상기 생체 수면 역치에 기초하여 예측 각성도를 산출하는 단계;
    수면 패턴 제공부에서 상기 예측 각성도에 기초하여 개인 맞춤형 수면 패턴을 생성하는 단계를 포함하고,
    상기 개인 맞춤형 수면 패턴은 필요 주 수면 및 근무 직전 수면을 포함하는 적응형 생체 분할 수면을 포함하는 개인 맞춤형 수면 패턴 제공 시스템의 동작 방법.
  7. 제6 항에 있어서,
    상기 데이터 수집부는 상기 사용자에게 부착된 웨어러블 장치를 포함하는 개인 맞춤형 수면 패턴 제공 시스템의 동작 방법.
  8. 제6 항에 있어서,
    상기 분석부에서 인간의 수면-각성 주기를 설명하는 생리학 기반 수학적 모델을 이용하여 상기 항상성 수면 압력 및 상기 생체 수면 역치를 추정하는 단계를 더 포함하는 개인 맞춤형 수면 패턴 제공 시스템의 동작 방법.
  9. 제8 항에 있어서,
    상기 분석부에서 상기 항상성 수면 압력 및 상기 생체 수면 역치의 차이에 기초하여 상기 예측 각성도를 산출하는 단계를 포함하는 개인 맞춤형 수면 패턴 제공 시스템의 동작 방법.
  10. 제6 항에 있어서,
    상기 필요 주 수면은 상기 사용자의 비근무 시간 중 상기 항상성 수치 압력이 상기 생체 수면 역치보다 작은 구간을 포함하고,
    상기 근무 직전 수면은 상기 필요 주 수면 이후 상기 사용자의 근무 시작 이전 구간을 포함하는 개인 맞춤형 수면 패턴 제공 시스템의 동작 방법.
PCT/KR2024/009329 2023-07-07 2024-07-03 개인 맞춤형 수면 패턴 제공 시스템 Ceased WO2025014160A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020230088588A KR102953530B1 (ko) 2023-07-07 개인 맞춤형 수면 패턴 제공 시스템
KR10-2023-0088588 2023-07-07

Publications (1)

Publication Number Publication Date
WO2025014160A1 true WO2025014160A1 (ko) 2025-01-16

Family

ID=94215582

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2024/009329 Ceased WO2025014160A1 (ko) 2023-07-07 2024-07-03 개인 맞춤형 수면 패턴 제공 시스템

Country Status (1)

Country Link
WO (1) WO2025014160A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170074364A (ko) * 2015-12-22 2017-06-30 엘지전자 주식회사 수면 가이드 제공 장치 및 방법
JP2022515374A (ja) * 2018-12-18 2022-02-18 コーニンクレッカ フィリップス エヌ ヴェ 覚醒レベルを決定するシステム及び方法
KR20220067963A (ko) * 2020-11-18 2022-05-25 한국과학기술원 헬스 웨어러블 장치 기반 개인 맞춤형 수면 패턴 제공 프로그램
JP2023515635A (ja) * 2020-02-27 2023-04-13 レズメド センサー テクノロジーズ リミテッド 覚醒度を予測するシステムおよび方法
US20230190183A1 (en) * 2021-12-16 2023-06-22 Sleep Number Corporation Sleep system with features for personalized daytime alertness quantification

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170074364A (ko) * 2015-12-22 2017-06-30 엘지전자 주식회사 수면 가이드 제공 장치 및 방법
JP2022515374A (ja) * 2018-12-18 2022-02-18 コーニンクレッカ フィリップス エヌ ヴェ 覚醒レベルを決定するシステム及び方法
JP2023515635A (ja) * 2020-02-27 2023-04-13 レズメド センサー テクノロジーズ リミテッド 覚醒度を予測するシステムおよび方法
KR20220067963A (ko) * 2020-11-18 2022-05-25 한국과학기술원 헬스 웨어러블 장치 기반 개인 맞춤형 수면 패턴 제공 프로그램
US20230190183A1 (en) * 2021-12-16 2023-06-22 Sleep Number Corporation Sleep system with features for personalized daytime alertness quantification

Also Published As

Publication number Publication date
KR20250008376A (ko) 2025-01-14

Similar Documents

Publication Publication Date Title
Abdullah et al. Towards circadian computing: " early to bed and early to rise" makes some of us unhealthy and sleep deprived
JP7600197B2 (ja) ウェアラブル装置を利用した甲状腺機能亢進症の予測システム及び予測コンピュータプログラム
Virone et al. A system for automatic measurement of circadian activity deviations in telemedicine
CN113228200A (zh) 用于确定警觉性水平的系统和方法
WO2015199258A1 (ko) 진단모델 생성 시스템 및 방법
Hayes-Roth Making intelligent systems adaptive
Dean et al. Developing mathematical models of neurobehavioral performance for the “real world”
Linkens Adaptive and intelligent control in anesthesia
Nilsen et al. Moving behavioral theories into the 21st century: Technological advancements for improving quality of life
US10918288B2 (en) Systems and methods for tracking neuro-development disorders
CN120126658A (zh) 重症护理跨机构协同数据处理方法
Song et al. A digital, real-time, history-based sleep-management tool to enhance alertness
WO2022231069A1 (ko) 당화혈색소 수치 추정을 위한 인공지능학습 모델의 학습 방법 및 그 시스템
WO2025014160A1 (ko) 개인 맞춤형 수면 패턴 제공 시스템
CN117059222A (zh) 一种基于中医体质辨识的智能康复方案分析系统
CN121171485A (zh) 一种慢性疲劳综合征筛查和饮食-运动干预方法及系统
CN120570617A (zh) 基于多模态传感的智能疲劳状态评估与监测系统及装置
CN114678119A (zh) 使用心率预测排卵期和月经期的装置、方法及生物标志物
Joymangul et al. Homecare interventions as a Service model for Obstructive sleep Apnea: Delivering personalised phone call using patient profiling and adherence predictions
Javaid et al. Diagnose a disease: A fog assisted disease diagnosis framework with bidirectional LSTM
KR102176065B1 (ko) 수면 패턴 및 피로도 기반의 운전 및 수면 계획 산출 방법 및 그 프로그램
KR102953530B1 (ko) 개인 맞춤형 수면 패턴 제공 시스템
CN119480042A (zh) 一种智慧医疗药品管理方法及药品登记平台
Moen et al. Validation of the Norwegian version of the Munich ChronoType Questionnaire for shift workers (MCTQShift)
Cheng CBT-I for patients with shift work disorder

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 24839973

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE