夜不成眠幾乎是男女老少都會遇過的問題，要研究它並不容易，使得失眠成為一項難以解決的燙手山芋。
美國疾病管制與預防中心指出，三分之一的美國成年人通常有睡眠不足的問題，該中心將健康睡眠定義為每天超過七小時。
通常會在需要監測睡眠模式的患者身上，安裝胸帶、鼻探針及頭部電極貼片等傳統感應器。這些會讓人不適的方法本身就會使人失眠，讓收集到的資料不具有代表性。
麻省理工學院與麻省總醫院的研究團隊研究如何使用人工智慧及 Wi-Fi 般的訊號，監測未安裝有任何感應器的失眠患者，讓他們能享有一夜好眠。
麻省理工學院電機工程與電腦科學教授暨無線中心主任 Dina Katabi 說：「我們無法持續監測睡眠，對於睡眠的認識還不夠深入。」
研究團隊撰寫了一篇描述這項研究的報告，作者包括了 Katabi、麻省總醫院睡眠醫學部主任 Matt Bianchi、麻省理工學院電機工程與電腦科學教授 Tommi Jaakkola，還有麻省理工學院的研究生 Mingmin Zhao 及 Shichao Yue。
臥室裡安裝了特殊的無線裝置，讓接受研究的患者能在家中睡覺。該裝置會測量主體反彈出的訊號，通過雲端發送資料給研究人員。
在瞭解在臥室內安眠的患者如何影響著無線電頻率，研究人員可以將脈搏、呼吸頻率和運動的測量數據解釋為各種睡眠階段：淺眠、深眠、快速眼球運動（REM）或是清醒的狀態。
該研究採用了一種稱為條件式對抗架構（conditional adversarial architecture）的新式神經網路設計，它能處理射頻訊號以排除與睡眠無關的資訊，鎖定研究睡眠階段相關的重要資訊。比起過去使用無線電訊號的方式，這種新的神經網路使得作者能更準確地研究睡眠階段。
其實麻省理工學院的無線技術研究成果將預測精度提高了近 80%，過去使用的無線電頻率，預測精度為 64%。
消化資料
研究人員對25個人進行了100個夜晚的睡眠監測，每隔30秒對睡眠情況標記一次，將用於訓練者與受測者加以區分。
其雲端服務可以遠程收集訊號並運行演算法模型。Katabi 說分析整晚睡眠只要幾秒鐘，且已具備商業可行的程度。
「深度學習模型能夠分析訊號，解讀出人的睡眠階段。」她說。
麻省理工學院將 NVIDIA TITAN X GPU 用於訓練模型和後端雲端服務的推論作業，還使用 NVIDIA 的 cuDNN 函式庫及 TensorFlow 深度學習架構。
研究意義
睡眠階段研究的進展提供了廣泛的應用方式。這種睡眠階段檢測方式可用於監測憂鬱症，例如憂鬱症患者在睡眠時 REM 階段會較早發生。這是各大藥廠關注的一個領域。
阿茲海默症的研究側重於睡眠階段，尤其是人們是否有進入深眠階段及它會如何影響著疾病。對於帕金森氏症患者也是如此。
「睡眠對帕金森氏症患者來說是一個問題，睡眠影響著病況的進展，而睡眠問題也可能是罹患帕金森氏症的早期徵兆。」Katabi 說。
其他受到注意的領域還包括能顯示睡眠呼吸中止事件，睡眠呼吸中止症患者會在睡眠時出現呼吸不順的情況。醫師還能觀察睡眠模式的變化，監測心臟病患者和多發性硬化症患者。