Knowledge-Hub Digitalisierung, KI & Gesundheitein Angebot von Monitor Versorgungsforschung

Knowledge-Hub Digitalisierung, KI & Gesundheit › Studien

Kontaktlose Radar-basierte Schlafstadien-Klassifikation: Validierungsstudie an 1.022 Probanden

Diao Z et al. · Physiol Meas · erschienen 20.10.2026 · in PubMed seit 06.10.2026 · PMID 42838096

Von KI ausgewählt und zusammengefasst

Worum es geht

Prospektive Validierungsstudie eines 60-GHz-Radarsystems (Sleepal AI Lamp) zur berührungslosen Schlafklassifikation im Vergleich zu Polysomnographie bei 1.022 Probanden mit normalen und pathologischen Schlafprofilen (Schlafapnoe aller Schweregrade).

Ergebnis

Binäre Schlaf-Wach-Klassifikation: 92,7 % Genauigkeit, Cohen's Kappa 0,792, Sensitivität 96,4 %, Spezifität 80,8 %, F1-Score 0,896. Vierstufige Klassifikation (Wach, Light, Deep, REM): 77,2 % Genauigkeit, Kappa 0,677, F1-Score 0,768, ausgeglichene Genauigkeit 77,4 %. Stadienspezifische F1-Scores: Wach 0,839, Light 0,740, Deep 0,691, REM 0,802.

Übertragbarkeit auf Deutschland

Deutschsprachiger Raum möglich, Technologie nicht an proprietäre Systeme gebunden; geeignet für Home-Screening und Langzeit-Überwachung ohne Geräteanschaffung.

Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.