面向快速睡眠行为障碍筛查的通用机器学习管道：基于标准化计时法的 ActiTect
机器学习
2025-11-13 v2 神经元与认知
摘要
孤立性快速眼动睡眠行为障碍 (iRBD) 是-神经蛋白相关性疾病的主要早期标志物，常在帕金森病、脑源性衰退或多系统硬化症的临床发生前出现。虽然手腕佩戴式计时器在通过捕获异常夜间运动来检测 RBD 的大规模筛查中具有重要潜力，但缺乏可靠且高效的分析管道就会使其失去可用性。本研究提出 ActiTect，一款完全自动化、开源的机器学习工具，用于从计时记录中识别 RBD。为确保其在异构获取设置下的通用性，我们的管道包括稳健的预处理和自动睡眠-清醒检测，以整合多设备数据并提取表征活动模式的生理可解释运动特征。通过在 78 名受试者队列上进行模型开发，实现了强大的分层交叉验证（AUROC=0.95）。在盲法本地测试集合（n=31，AUROC=0.86）以及两个独立外部队列（n=113，AUROC=0.84；n=57，AUROC=0.94）上验证了其泛化能力。为评估实际应用中的鲁棒性，我们在内部和外部队列上进行逐数据集留一交叉验证，显示出持续的性能（AUROC 范围为 0.84-0.89）。一项补充稳定性分析表明，关键预测特征在数据集之间保持可重复，这支持最终的整合多中心模型作为面向更广泛部署的稳健预训练资源。凭借开源且易于使用的特性，我们的工具促进了广泛采用，便于独立验证和协作性改进，从而推动了利用可穿戴设备实现统一且通用的 RBD 检测模型。
引用
@article{arxiv.2511.05221,
title = {ActiTect: A Generalizable Machine Learning Pipeline for REM Sleep Behavior Disorder Screening through Standardized Actigraphy},
author = {David Bertram and Anja Ophey and Sinah Röttgen and Konstantin Kufer and Gereon R. Fink and Elke Kalbe and Clint Hansen and Walter Maetzler and Maximilian Kapsecker and Lara M. Reimer and Stephan Jonas and Andreas T. Damgaard and Natasha B. Bertelsen and Casper Skjaerbaek and Per Borghammer and Karolien Groenewald and Pietro-Luca Ratti and Michele T. Hu and Noémie Moreau and Michael Sommerauer and Katarzyna Bozek},
journal= {arXiv preprint arXiv:2511.05221},
year = {2025}
}
备注
30 pages including Supplementary Information, 4 core figures, 1 supplementary figure. (v2: fixed a typo in Table 3 and made minor text edits.)