Publié le 2025-10-30 15:21:00. Une équipe de chercheurs de l’Université du Massachusetts à Amherst a développé une application capable de transformer les montres Apple grand public en outils de suivi sophistiqués des phases de sommeil, offrant une alternative prometteuse aux méthodes d’étude traditionnelles.
- Une application pour Apple Watch, nommée BIDSleep, analyse la fréquence cardiaque pour identifier les stades du sommeil avec une précision moyenne de 71 %.
- Cette technologie se veut une alternative pratique et économique aux équipements de laboratoire coûteux et complexes.
- Le modèle d’IA développé est particulièrement efficace pour détecter le sommeil profond, une donnée cruciale pour l’étude du vieillissement et de maladies neurodégénératives.
Jusqu’à présent, l’évaluation du sommeil reposait majoritairement sur des polysomnographies en laboratoire, une méthode coûteuse, chronophage et contraignante pour les participants. Même les tests à domicile impliquent souvent le port d’électrodes. La professeur Joyita Dutta, à la tête de l’équipe de recherche et spécialisée dans le lien entre les troubles du sommeil et la maladie d’Alzheimer, a ainsi cherché à développer une solution plus accessible.
« Notre objectif était de rendre aussi robuste que possible un appareil portable grand public non spécialisé, à savoir l’Apple Watch », explique le professeur Dutta. Elle envisage que cette application puisse permettre un suivi à domicile des personnes atteintes de troubles du sommeil, sans nécessiter d’hospitalisation ou d’équipement médical lourd. L’inconvénient des études de courte durée, souvent limitées à une nuit, est leur incapacité à saisir les variations du sommeil sur le long terme, y compris les siestes, souvent imprévisibles. La disponibilité constante et la portabilité des montres intelligentes répondent à ce besoin de suivi continu.
BIDSleep fonctionne en collectant des données sur la fréquence cardiaque instantanée. Cette mesure varie significativement selon les phases du sommeil : plus lente durant le sommeil profond, et plus rapide lors des phases d’activité comme le sommeil paradoxal. Ces données alimentent un nouveau modèle d’intelligence artificielle (IA) mis à disposition de la communauté scientifique. Les chercheurs soulignent que leur modèle surpasse d’autres approches reconnues dans la détection des stades du sommeil, et se montre particulièrement performant pour identifier le sommeil profond, dont la diminution est un marqueur du vieillissement et peut être liée au développement de maladies comme Alzheimer.
« La précision globale est importante, mais nous devons parfois également examiner des paramètres cliniques tels que l’efficacité du sommeil, la latence d’endormissement et la durée totale du sommeil », ajoute Tzu-An Song, chercheur postdoctoral et premier auteur de l’étude. Selon lui, « Notre méthode fonctionne mieux pour pratiquement toutes ces mesures. » Le modèle d’IA, nourri par les données de BIDSleep, a ainsi fourni des résultats se rapprochant de la référence en matière de stadification du sommeil basée sur l’électroencéphalogramme (EEG).
« Notre méthode fonctionne mieux pour pratiquement toutes ces mesures. »
Tzu-An Song, premier auteur de l’article
Bien que l’équipe n’ait pas encore comparé leur solution aux fonctionnalités de suivi du sommeil natives de l’Apple Watch, celles-ci n’étant pas disponibles au moment de leurs recherches, le professeur Dutta se montre optimiste. Elle anticipe une précision supérieure grâce à la richesse des données collectées et à une fréquence d’échantillonnage plus dense par rapport aux fonctions intégrées à Apple Health. L’objectif final est de rendre cette application accessible aux chercheurs et aux cliniciens, en permettant une analyse facilitée des données sur plusieurs nuits.
Cette recherche bénéficie du soutien du Massachusetts AI and Technology Center for Connected Care in Aging & Alzheimer’s Disease et des National Institutes of Health.
Source : Université du Massachusetts à Amherst
Référence du journal : Song, T.-A., et al. (2025). AI-based sleep staging using instantaneous heart rate and accelerometry: insights from an Apple Watch study. IEEE Transactions on Biomedical Engineering. doi.org/10.1109/tbme.2025.3612158