EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Deciphering Insomnia: Benchmarking Automated Sleep Staging Algorithms for Complex Sleep Disorders

Insomnie entschlüsseln: automatisierte Schlafstadien-Algorithmen bei komplexen Schlafstörungen vergleichen

Umaer Hanif iD, Anis Aloulou, Flynn Crosbie, Paul Bouchequet, Mounir Chennaoui iD, Thomas Andrillon, Damien Leger

Journal of Sleep Research · 2025-12 · 34 (6)

DOI: 10.1111/jsr.70048 ↗

Auf einen Blick

Bei 904 Patient:innen mit chronischer Insomnie schnitt GSSC unter fünf Schlafstadien-Klassifikatoren am besten ab. Die Leistung war insgesamt solide, aber zwischen den Algorithmen unterschiedlich.

Fragestellung

Wie gut schneiden fünf automatisierte Schlafstadien-Klassifikatoren bei PSG-Daten von Patient:innen mit chronischer Insomnie ab?

Methode

Analyse von PSG-Daten von 904 Patient:innen mit chronischer Insomnie; Vergleich von U-Sleep, STAGES, GSSC, Luna und YASA anhand von F1-Scores, Konfusionsmatrizen und Schlafmetriken.

Ergebnisse

GSSC hatte den besten Makro-F1-Score (0,66), gefolgt von U-Sleep (0,62), Luna (0,56), STAGES (0,54) und YASA (0,52). Keine Leistungsunterschiede bei Insomnie mit vs. ohne auffälliges PSG.

Schlussfolgerung der Autor:innen

Die Autor:innen sehen eine solide, aber variable Leistung der Klassifikatoren und heben GSSC sowie U-Sleep als führende Werkzeuge für das Schlafstadien-Scoring bei chronischer Insomnie hervor.

Kernaussagen

  • GSSC erzielte den höchsten Makro-F1-Score (0,66)
  • U-Sleep und GSSC zeigten geringe demografische Verzerrung
  • Keine Leistungsunterschiede bei Insomnie mit vs. ohne auffälliges PSG

Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.

Kurz gefasst

Fachartikel in der Zeitschrift Journal of Sleep Research, online erschienen am 27.03.2025. Verfasst von Umaer Hanif und 6 weiteren Autor:innen. Beteiligte Einrichtung: VIFASOM, (Vigilance Fatigue Sommeil et Santé Publique), Université Paris Cité, Paris, France. Hauptthemen laut MEDLINE: Sleep Initiation and Maintenance Disorders, Polysomnography, Algorithms, Sleep Stages. Die Arbeit wurde bisher 9-mal zitiert (Crossref) und nennt 55 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: Agence de l'innovation de défense.

Auf einen BlickAbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Polysomnography (PSG) is essential for diagnosing sleep disorders, but its manual interpretation is labor‐intensive. Automated sleep staging algorithms are promising, yet their utility in complex sleep disorders such as insomnia remains uncertain. This study evaluates five of the most recognised sleep staging classifiers—U‐Sleep, STAGES, GSSC, Luna and YASA—on PSG data from 904 patients with chronic insomnia. Performance was assessed using F1 scores, confusion matrices and predicted sleep metrics. The effect of demographics, sleepiness and PSG metrics on each classifier's performance was assessed using linear regression. Across all sleep stages, GSSC performed best (macro F1 score = 0.66), followed by U‐Sleep (0.62), Luna (0.56), STAGES (0.54) and YASA (0.52). GSSC achieved the highest F1 scores in Wake (0.83), N1 (0.22), N2 (0.80), N3 (0.71) and REM (0.76), while U‐Sleep matched its performance in N1 and REM and Luna in N3. STAGES performed poorest in N3 (0.39) and YASA in REM (0.35). Common misclassifications included N1 vs. Wake/N2 and N3 vs. N2, with REM misclassified as Wake/N1/N2 by STAGES, Luna and YASA. GSSC and U‐Sleep exhibited minimal demographic bias, while STAGES and Luna had more. No performance difference was observed between chronic insomnia patients with and without abnormal PSG. Sleep metric accuracy was highest for U‐Sleep (TST, R 2 = 0.88), STAGES (SOL, R 2 = 0.82) and GSSC (WASO, R 2 = 0.82). These findings underscore the solid yet variable performance of the classifiers and highlight GSSC and U‐Sleep as leading tools for sleep staging in patients with chronic insomnia.

Schlagwörter

MeSH-Schlagwörter (MEDLINE)

Sleep Initiation and Maintenance DisordersPolysomnographyAlgorithmsSleep StagesBenchmarkingHumansMaleFemaleMiddle AgedAdultAged

Stichwörter der Autor:innen

automated sleep stagingchronic insomniamachine learningpolysomnography

Autor:innen und Institutionen

  • VIFASOM, (Vigilance Fatigue Sommeil et Santé Publique), Université Paris Cité, Paris, France.
  • Data Science, BioSerenity, Paris, France.
  • APHP, Hôtel-Dieu, Centre du Sommeil et de la Vigilance, Paris, France.
  • IRBA (Institut de Recherche biomédical Des armées), Brétigny, France.
  • Sorbonne Université, Institut du Cerveau - Paris Brain Institute - ICM, Inserm, CNRS, APHP, Hôpital de la Pitié Salpêtrière, Paris, France.

ORCID-Profile: Umaer Hanif, Mounir Chennaoui

Förderung

  • Agence de l'innovation de défense

Zitieren

APA

Hanif, U., Aloulou, A., Crosbie, F., Bouchequet, P., Chennaoui, M., Andrillon, T., & Leger, D. (2025). Deciphering Insomnia: Benchmarking Automated Sleep Staging Algorithms for Complex Sleep Disorders. Journal of Sleep Research, 34(6). https://doi.org/10.1111/jsr.70048

Vancouver

Hanif U, Aloulou A, Crosbie F, Bouchequet P, Chennaoui M, Andrillon T, et al. Deciphering Insomnia: Benchmarking Automated Sleep Staging Algorithms for Complex Sleep Disorders. Journal of Sleep Research. 2025;34(6). doi:10.1111/jsr.70048

BibTeX
@article{Hanif2025,
  author = {Hanif, Umaer and Aloulou, Anis and Crosbie, Flynn and Bouchequet, Paul and Chennaoui, Mounir and Andrillon, Thomas and Leger, Damien},
  title = {Deciphering Insomnia: Benchmarking Automated Sleep Staging Algorithms for Complex Sleep Disorders},
  journal = {Journal of Sleep Research},
  year = {2025},
  volume = {34},
  number = {6},
  doi = {10.1111/jsr.70048}
}
Kostenlos starten →