يُعد تصنيف مراحل النوم ركيزة أساسية في تشخيص اضطرابات النوم ومتابعتها وتقييم جودة الراحة الليلية، غير أن أساليب التصنيف التقليدية تعتمد على مجسات تلامسية تثبّت على جسم النائم، وقد يهدد ذلك سلامة البيانات المجمعة ويقلل راحة المستخدم في أثناء النوم ويضعف التزامه بالمتابعة الطويلة، ومن هنا يتجه البحث العلمي نحو أساليب غير تلامسية ترصد الإشارات الحيوية في أثناء النوم دون إزعاج، ومن أبرزها إشارات مخطط القلب الصدري الحركي الذي يسجل الحركات الدقيقة الناتجة عن نبض القلب وحركات التنفس عبر حركة الجسم
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى تحسين دقة تصنيف مراحل النوم ورفع مستوى الراحة في متابعته بالاعتماد على إشارات مخطط القلب الصدري الحركي، عبر تطوير نموذج جديد لاختيار السمات يدمج آلية الانتباه مع خوارزمية إكس جي بوست، وقد عولجت الإشارات باستخدام تحويل المويجات المستمر والترشيح منخفض التمرير لاستخلاص تقلبية معدل ضربات القلب وتقلبية معدل التنفس، واستُخدمت أوزان الانتباه لإعطاء الأولوية للسمات الأكثر صلة بمهمة التصنيف قبل أن تتولى خوارزمية إكس جي بوست تنقيتها بصورة تكرارية، وجرى تقييم النموذج المقترح على 10201 مقطع من مقاطع النوم، ومقارنة أدائه بالأساليب التقليدية في مؤشرات الدقة والضبط والاستدعاء ومقياس إف 1 ومعامل كابا
وينطلق هذا التوجه من ملاحظة أن جودة تصنيف مراحل النوم تتأثر كثيرًا بوفرة السمات المستخلصة من الإشارة الخام وبتداخل بعضها وتشويش بعضها الآخر على قرار الخوارزمية، فليست كل سمة مستخلصة مفيدة لمهمة التصنيف، وبعضها قد يضعف الأداء بدل تحسينه إذا دخل النموذج دون تنقية، ومن هنا يصبح اختيار السمات خطوة حاسمة تسبق التصنيف نفسه وتحدد سقفه، وتتضاعف أهمية هذه الخطوة في الإشارات غير التلامسية التي تلتقط حركة الجسم كاملة بما فيها حركات لا صلة لها بمراحل النوم ذاتها
ثانيًا: أبرز النتائج
1. حقق نموذج فاست إيه بي سي بوست دقة بلغت 89.85 في المئة في تصنيف مراحل النوم، وهو أداء يؤكد كفاءة الأسلوب غير التلامسي في متابعة النوم وتصنيف مراحله بدرجة عالية من الدقة
2. تفوق النموذج المقترح على الأساليب التقليدية في مؤشرات الضبط والاستدعاء ومقياس إف 1 وقيم معامل كابا، بما يعكس توازنًا أفضل بين دقة التصنيف واتساقه عبر مراحل النوم المختلفة
3. أثبت دمج آلية الانتباه مع خوارزمية إكس جي بوست فاعليته في التخفيف من تداخل السمات المشوشة والزائدة عن الحاجة، وتحسين صلة السمات المختارة بمهمة التصنيف، بما أظهر قدرة قوية على التكيف مع تعقيد إشارات النوم وتشابك خصائصها
ثالثًا: دلالات الدراسة وتطبيقاتها
يفتح هذا الابتكار آفاقًا تطبيقية واعدة في الرعاية الصحية المنزلية وإدارة النوم الشخصية، إذ يتيح رصد النوم وتصنيف مراحله دون مجسات تلامسية ملتصقة بالجسم بما يحسّن راحة المستخدم ويرفع احتمالات التزامه ببرامج المتابعة الطويلة، كما يمكن أن تدعم هذه التقنية برامج الرعاية عن بُعد ومتابعة اضطرابات النوم في المنزل وخفض الحاجة إلى الإقامة في مختبرات النوم المتخصصة، ويمثل العمل تقدمًا في دقة التصنيف غير التلامسي لمراحل النوم يقرّب هذه الأساليب من الاستخدام السريري والمنزلي الواسع، ويفيد الباحثين في الهندسة الطبية الحيوية وعلم البيانات الصحية عند تطوير حلول رصد لاسلكية منخفضة العبء على المرضى
كما تكتسب الدراسة أهمية إضافية لباحثي التعلم الآلي الطبي، إذ تقدم صيغة عملية للجمع بين آليات الانتباه وخوارزميات التعزيز المتدرج القوية في مهمة تصنيف حيوية دقيقة، فأوزان الانتباه لا تحسن اختيار السمات فحسب، بل تمنح الباحث والممارس لمحة عن السمات التي اعتمد عليها النموذج بصورة أكبر في قراراته، بما يعزز الثقة الطبية في مخرجاته عند توظيفه في الرعاية المنزلية ومتابعة المرضى عن بُعد وعلى نطاق واسع
وخلاصة القول إن الدراسة قدمت نموذجًا لاختيار السمات يدمج آلية الانتباه مع خوارزمية إكس جي بوست حقق دقة عالية في تصنيف مراحل النوم من إشارات غير تلامسية، بما يعزز راحة المستخدم ويفتح الباب أمام تطبيقات منزلية وشخصية واعدة لمتابعة النوم وتشخيص اضطراباته
