Vì sao độ chính xác sleep stage tracker có giới hạn?

Độ chính xác vì thế phải được kiểm tra ở cả hai tầng: chất lượng cảm biến và độ đúng của mô hình phân loại khi đối chiếu với PSG. Kết quả còn phụ thuộc mẫu thiết bị, phiên bản phần mềm và quần thể kiểm định; độ nhạy cao khi nhận biết sleep không tự động chứng minh khả năng phân biệt light, deep và REM. AASM cũng nêu rằng consumer sleep technology không thay thế đánh giá y khoa khi mục tiêu là chẩn đoán hoặc điều trị rối loạn giấc ngủ.

PSG xác định giai đoạn ngủ từ tín hiệu điện sinh lý

PSG là chuẩn tham chiếu để đánh giá cấu trúc giấc ngủ vì nó thu nhiều kênh sinh lý cùng lúc. AASM dùng các tín hiệu như EEG để quan sát hoạt động điện của não, EOG để ghi chuyển động mắt và EMG để đánh giá trương lực cơ; các kênh khác như ECG, hô hấp và SpO₂ phục vụ việc đánh giá những sự kiện liên quan trong đêm. Nhờ vậy, việc phân W, N1, N2, N3 và REM dựa trên những đặc trưng có quan hệ trực tiếp với sinh lý thần kinh của từng giai đoạn, chứ không chỉ dựa vào việc người ngủ có cử động hay nhịp tim đang nhanh hay chậm.

Sự khác biệt này đặc biệt quan trọng với NREM và REM. EEG cho thấy những mẫu sóng đặc trưng giúp nhận diện N1, N2 và N3; EOG và EMG bổ sung thông tin cần thiết ở các thời điểm mà tín hiệu EEG một mình khó phân biệt, nhất là quanh REM và các giai đoạn chuyển tiếp. Một tổng quan hệ thống về công nghệ cảm biến cho sleep staging kết luận EEG là phương thức đơn lẻ có khả năng nhận diện đầy đủ các giai đoạn tốt nhất, trong khi các hệ thống không có EEG thường phải gom giai đoạn hoặc chấp nhận độ chính xác thấp hơn.

Tracker consumer bị giới hạn ngay từ loại thông tin đầu vào. Khi cảm biến không quan sát trực tiếp các dấu hiệu dùng để định nghĩa sleep stage, thuật toán chỉ có thể học mối tương quan giữa tín hiệu ngoại vi và nhãn PSG.

Thiết bị consumer suy luận sleep stage từ tín hiệu gián tiếp

Phần lớn smartwatch, fitness band và smart ring không ghi EEG, EOG hay EMG theo cấu hình PSG. Chúng thường kết hợp accelerometer với PPG. Accelerometer cho biết cơ thể hoặc cổ tay đang di chuyển đến mức nào; PPG dùng ánh sáng để ghi biến thiên thể tích máu ngoại vi, từ đó suy ra nhịp tim và các đặc trưng liên quan đến biến thiên nhịp tim. Một số thiết bị còn bổ sung SpO₂, nhiệt độ da hoặc tín hiệu hô hấp, nhưng các kênh này vẫn là chỉ dấu ngoại vi chứ không phải phép đo trực tiếp hoạt động điện của não.

Thuật toán sau đó trích xuất đặc trưng theo thời gian và phân loại từng khoảng dữ liệu thành wake, light, deep hoặc REM. Đây là một bài toán suy luận từ proxy: mô hình học rằng một tổ hợp ít vận động, nhịp tim thấp hơn và một kiểu HRV nào đó thường đi cùng một giai đoạn trong dữ liệu huấn luyện. Nhưng “thường đi cùng” không đồng nghĩa “định nghĩa giai đoạn”. Các sleep stage ước tính từ PPG/actigraphy cũng chưa được chuẩn hóa đồng nhất giữa thiết bị; cách gom light/deep/REM có thể khác với hệ W/N1/N2/N3/REM của AASM và khác giữa các hãng.

Accelerometer chỉ ghi nhận vận động

Chuyển động rất hữu ích để tách một phần sleep/wake vì phần lớn thời gian ngủ đi kèm ít vận động. Tuy nhiên, nằm yên khi vẫn thức có thể giống ngủ đối với cảm biến. Đây là lý do các thuật toán dựa nhiều vào actigraphy thường có độ nhạy cao khi phát hiện sleep nhưng kém hơn khi nhận diện wake, dẫn đến xu hướng gán một phần “quiet wake” thành ngủ.

PPG phản ánh tuần hoàn ngoại vi, không phải EEG

PPG bổ sung nhiều thông tin hơn vận động đơn thuần vì nhịp tim và HRV thay đổi theo hoạt động của hệ thần kinh tự chủ trong đêm. Tuy vậy, các thay đổi này chỉ tương quan với sleep stage. Chúng còn bị ảnh hưởng bởi nhiều yếu tố khác và có thể nhiễu khi tiếp xúc cảm biến kém, có chuyển động hoặc chất lượng tín hiệu quang học suy giảm. Tổng quan về wearable sleep staging cũng lưu ý rằng không có bộ quy tắc chuẩn tương đương AASM để ánh xạ thay đổi nhịp tim trực tiếp thành từng sleep stage.

Tín hiệu gián tiếp làm sai số xuất hiện ở đâu?

Sai số xuất hiện khi nhiều trạng thái thần kinh tạo ra biểu hiện ngoại vi giống nhau. Một người có thể nằm bất động nhưng vẫn thức; ngược lại, REM thường đi kèm mất trương lực cơ nhưng hoạt động tự chủ có thể dao động. N1 là giai đoạn chuyển tiếp nhẹ, còn ranh giới N2–N3 phụ thuộc vào những đặc trưng EEG mà cổ tay không quan sát được. Khi các lớp có vùng tín hiệu chồng lấn, mô hình buộc phải chọn nhãn có xác suất cao nhất chứ không “nhìn thấy” giai đoạn theo nghĩa PSG.

Chất lượng tín hiệu và khả năng khái quát hóa của thuật toán tạo thêm sai số. PPG có thể chịu motion artifact, thay đổi tiếp xúc với da và nhiễu ngoài phòng thí nghiệm. Thuật toán thương mại thường là độc quyền, nên đặc trưng và ngưỡng phân loại không phải lúc nào cũng được công khai. AASM lưu ý hiệu năng có thể khác theo mẫu thiết bị, nhà sản xuất và phiên bản phần mềm; bản cập nhật thuật toán có thể làm đầu ra thay đổi dù phần cứng không đổi.

Quần thể kiểm định cũng giới hạn khả năng khái quát hóa. Mô hình được kiểm tra chủ yếu ở người trưởng thành khỏe mạnh trong một đêm phòng lab chưa chắc giữ nguyên hiệu năng ở người có giấc ngủ phân mảnh hoặc rối loạn giấc ngủ. Khi quan hệ giữa vận động, nhịp tim và trạng thái não thay đổi, proxy kém ổn định hơn. Vì vậy, một kết quả kiểm định chỉ áp dụng chắc chắn trong phạm vi thiết bị, phiên bản, nhóm đối tượng và phương pháp đối chiếu đã được nghiên cứu.

Đối chiếu với PSG cho thấy độ chính xác bị giới hạn thế nào?

Các nghiên cứu kiểm định cho thấy một mẫu hình khá nhất quán: nhận biết có đang ngủ hay không thường dễ hơn phân đúng từng sleep stage. Trong một nghiên cứu đối chiếu Oura Ring Gen3, Fitbit Sense 2 và Apple Watch Series 8 với PSG ở 35 người trưởng thành khỏe mạnh, độ nhạy phát hiện sleep đạt ít nhất 95% ở cả ba thiết bị. Khi chuyển sang phân biệt sleep stage, độ nhạy theo giai đoạn chỉ nằm trong khoảng 50–86%, tùy thiết bị và lớp cần nhận diện.

Một nghiên cứu khác trên sáu wearable đeo cổ tay ở 62 người trưởng thành cũng ghi nhận tất cả thiết bị phát hiện hơn 90% các epoch ngủ, nhưng specificity cho wake chỉ khoảng 29,39–52,15%. Cohen’s kappa cho phân loại sleep stage nằm trong khoảng 0,21–0,53, tương ứng mức đồng thuận từ thấp đến trung bình so với PSG theo cách diễn giải của nghiên cứu. Hai kết quả đặt cạnh nhau cho thấy một tracker có thể rất giỏi “bắt được sleep” nhưng vẫn nhầm wake và phân bố light/deep/REM chưa thật ổn định.

Meta-analysis công bố năm 2025, gồm 24 nghiên cứu và 798 người tham gia, cũng ghi nhận khác biệt có ý nghĩa giữa wearable consumer và PSG ở tổng thời gian ngủ, sleep efficiency, sleep latency và wake after sleep onset. Nhóm tác giả kết luận các thiết bị vẫn có thể theo dõi mô hình giấc ngủ nói chung, nhưng chưa đạt độ tin cậy của PSG cho các phép đo chính.

Không có một “mức accuracy chung” áp dụng cho mọi tracker: hiệu năng thay đổi theo lớp cần phân biệt và điều kiện kiểm định.

Vì sao không thể đánh giá tracker bằng một con số accuracy?

“Accuracy 80%” có thể nghe thuyết phục nhưng thiếu ngữ cảnh. Một đêm có nhiều epoch ngủ hơn wake, nên mô hình thiên về gán “sleep” vẫn có thể đạt tỷ lệ đúng tổng thể cao. Để đánh giá sleep tracker, cần xem ít nhất độ nhạy theo từng lớp, specificity cho wake, precision và chỉ số đồng thuận như Cohen’s kappa, thay vì chỉ nhìn một tỷ lệ đúng gộp. Các nghiên cứu kiểm định thực tế cũng báo cáo nhiều chỉ số vì mỗi chỉ số phơi bày một kiểu lỗi khác nhau.

Sensitivity cao không đồng nghĩa phân giai đoạn chính xác

Độ nhạy sleep cao trả lời câu hỏi “thiết bị có nhận ra các khoảng PSG đã chấm là ngủ hay không”. Nó không trả lời “thiết bị có biết chính xác đó là N2, N3 hay REM hay không”. Nếu wake specificity thấp, thiết bị có thể gán nhiều khoảng thức yên lặng thành ngủ; nếu confusion giữa các stage cao, tổng thời lượng ngủ có thể gần đúng nhưng biểu đồ light/deep/REM vẫn lệch. Đây là khác biệt quan trọng giữa sleep detection và sleep staging.

PSG cũng có biến thiên giữa người chấm

PSG là chuẩn tham chiếu, nhưng sleep staging bản thân nó không hoàn toàn tuyệt đối. Một meta-analysis về độ tin cậy giữa người chấm PSG cho thấy Cohen’s kappa chung khoảng 0,76; theo giai đoạn, N1 thấp nhất ở 0,24, còn W, N2, N3 và REM lần lượt khoảng 0,70; 0,57; 0,57 và 0,69. Điều đó phản ánh một số epoch chuyển tiếp vốn mơ hồ ngay cả khi có đầy đủ tín hiệu điện sinh lý.

Biến thiên giữa người chấm không làm wearable và PSG “ngang nhau”. PSG vẫn quan sát những tín hiệu dùng để định nghĩa stage và áp dụng quy tắc chấm chuẩn hóa; wearable không EEG còn thêm sai số do phải suy từ proxy sang nhãn. Khi đọc nghiên cứu accuracy, cần tách độ bất định của chuẩn tham chiếu khỏi sai số bổ sung của cảm biến và thuật toán consumer.

Nên diễn giải dữ liệu sleep stage trên thiết bị consumer ra sao?

Vì sai số sleep stage thay đổi theo lớp và thiết bị, dữ liệu này phù hợp hơn với theo dõi xu hướng khi dùng cùng một tracker trong thời gian dài và điều kiện đeo tương đối nhất quán. Một đêm báo “deep sleep 48 phút” không phải phép đo sinh lý chính xác đến từng phút; xu hướng qua nhiều đêm có giá trị diễn giải cao hơn con số của một đêm đơn lẻ. Meta-analysis năm 2025 và quan điểm của AASM đều cho thấy wearable có thể hữu ích cho mô hình giấc ngủ chung nhưng không thay thế PSG trong đánh giá lâm sàng.

Cũng không nên so trực tiếp tỷ lệ deep/REM giữa hai hãng như thể các nhãn được tạo bằng cùng một phương pháp. Thuật toán thương mại có thể khác nhau, và AASM lưu ý ngay cả mẫu thiết bị hay phiên bản phần mềm của cùng nhà sản xuất cũng có thể thay đổi hiệu năng. Nếu mục tiêu là theo dõi bản thân, tính nhất quán của thiết bị và xu hướng nhiều đêm thường có ý nghĩa hơn việc đối chiếu từng con số với một “tỷ lệ sleep stage lý tưởng” cố định.

Khi dữ liệu tracker mâu thuẫn với triệu chứng hoặc được dùng để trả lời một câu hỏi chẩn đoán, giới hạn này trở nên quan trọng hơn. AASM nêu rõ consumer sleep technology chưa nên được dùng để chẩn đoán hay điều trị rối loạn giấc ngủ nếu chưa được kiểm định và quản lý phù hợp cho mục đích đó. Tracker có thể bổ sung thông tin cho cuộc trao đổi với chuyên gia, nhưng không biến các nhãn sleep stage ước tính thành kết quả PSG.

Độ chính xác sleep stage tracker có giới hạn trước hết vì phần lớn thiết bị consumer không đo trực tiếp tín hiệu dùng để định nghĩa giai đoạn ngủ. PSG quan sát hoạt động não, mắt và cơ; wearable thường quan sát chuyển động và tín hiệu tuần hoàn ngoại vi rồi dùng thuật toán để suy luận. Các proxy này không ánh xạ một-một với trạng thái thần kinh, nên sai số tăng khi cần phân biệt light, deep, REM hoặc quiet wake. Dữ liệu sleep stage vì vậy phù hợp nhất để theo dõi xu hướng; độ chính xác phải được đánh giá theo từng stage, chỉ số, thiết bị, phiên bản thuật toán và quần thể kiểm định thay vì bằng một con số accuracy duy nhất.