Den Göteborgsbaserade plattformen för sömnanalys, Sleep Cycle, har hittat ett sätt att automatiskt upptäcka symptom som kan kopplas till covidutbrott* på ett mycket tidigt stadium.
Med Sleep Cycles ljudbaserade tjänst för sömnanalys har företaget analyserat den befintliga hostningsdata som samlats in under sömn hos hundratusentals amerikanska användare under november förra året.
Genom att korrelera denna data med bekräftade Omikron-utbrott i USA under den perioden fann man ett starkt samband som avslöjade utbrotten före de registrerats i myndigheternas statistik. Genom att använda samma metod i andra delar av världen finns nu nya möjligheter att snabbt, och utan att det krävs särskilda projekt för datainsamling, identifiera och agera på riskerna för potentiella framtida utbrott.
Sleep Cycles patenterade algoritm för ljudanalys läser av och analyserar de ljud som förekommer då användaren sover, med syfte att hjälpa dem förstå hur de kan förbättra sin sömnkvalitet. Några exempel på ljud som fångas upp och analyseras är hostningar, rörelser, andningar, snarkningar, fläktljud, ljud från husdjur och prat i sömnen. Sleep Cycle har idag över två miljoner aktiva användare i över 150 länder.
– Genom att vi med automatik kan samla in och sammanställa aggregerad data av den här typen från de användare som har valt att dela den, kan vi löpande presentera hostningsfrekvenskurvor över tid för exempelvis ett land eller region, säger Mikael Kågebäck, CTO på Sleep Cycle. De här insikterna kan ha stor betydelse för en lyckad hantering av potentiella framtida covidutbrott.
Det var i samband med att Sleep Cycles analytiker kopplade samman sömndata från hundratusentals dagliga amerikanska användare med antalet bekräftade Omikron-infektioner i USA under perioden för Omikron-utbrottet i november 2021 som Sleep Cycle upptäckte att det fanns en direkt korrelation. Upptäckten har sammanställts i en rapport som företagets Head of Sleep Science, Mike Gradisar, och Daniel Sääf, Data Scientist ligger bakom.
– Med mer än två miljoner användare över hela världen som använder Sleep Cycle-appen samtidigt, återger den en anonym, men effektiv, överblick av befolkningens hälsa, kommenterar Mike Gradisar, Head of Sleep Science på Sleep Cycle. Potentialen för framtida förebyggande av sjukdomsspridning är obegränsad.
Effektivt samla in hostningsdata nattetid
Analys av sådan data kan få stor social och ekonomisk betydelse då olika samhällsorgan med hjälp av Sleep Cycles data tidigt kan identifiera framtida covidutbrott i olika delar av världen.
– Det har forskats en hel del kring hur man snabbt ska kunna upptäcka potentiella framtida covidutbrott, fortsätter Mikael Kågebäck. Tidigare forskning har till stor del baserats på data som samlats in manuellt, vilket gör den både dyr och tidskrävande att genomföra. Då vi redan har enorma mängder hostningsdata, och med automatik får mer för varje natt som går, kan vi på ett tidigt stadium identifiera avvikelser som antyder att det är läge för olika samhällsfunktioner att agera.
Sleep Cycle delar anonymt och aggregerat med sig av sin data till förmån för forskning och har idag ett flertal samarbeten med universitet runt om i världen. Med en databas på över en halv miljard nätter med ljudbaserad sömndata är det en enorm tillgång.
– Vi spenderar i genomsnitt 8 timmar per dygn med våra användare och vi blir ständigt bättre på att analysera data och utveckla nya funktioner som bygger på AI-baserad analys. Utöver analys av sömn investerar vi för närvarande mycket i utveckling av funktioner kopplat till snarkningar och hostningar. Resultaten vi såg från att jämföra hostningar med Omikron-utbrott visar på styrkan i vår data. Framöver kommer vi kunna lansera funktioner som ger våra användare tidiga tecken på t ex förkylningar eller sjukdomar kopplade till t ex snarkning säger Carl Johan Hederoth, VD på Sleep Cycle.
