亮点
- 无接触、零负担床垫下传感器可实现家庭中的连续、长期睡眠和生理监测。
- 阿尔茨海默病（AD）患者表现出独特的夜间睡眠障碍，包括床上时间延长、离床次数增加、打鼾减少和睡眠状态估计改变。
- 新型痴呆症研究机构阿尔茨海默病睡眠指数（DRI-SI-AD）作为数字生物标志物，捕捉与痴呆相关的睡眠障碍和进展。
- 纵向监测可检测急性临床事件和个体水平的痴呆进展，有助于改善护理和风险评估。
背景
睡眠障碍和昼夜节律改变是阿尔茨海默病（AD）及相关痴呆症的标志性非认知症状，影响患者的生活质量和照护者的负担。临床和观察研究广泛报道了睡眠片段化、睡眠结构改变和夜间行为障碍。然而，由于传统多导睡眠图和可穿戴设备的负担和侵入性，家庭环境中长时间的客观量化一直具有挑战性。这一局限性限制了睡眠相关疾病进展和干预反应的纵向评估。
近年来，无接触传感技术的进步提供了在不干扰的情况下持续监测睡眠生理的机会。床垫下压力传感器可以在数周到数月内无需患者互动地捕获床上活动、心率、呼吸率和推断的睡眠状态数据。结合机器学习，这些数据能够表型化与衰老、神经退行性疾病和急性临床事件相关的睡眠障碍。
Soreq等（2025年）的研究通过比较83名AD患者和超过一万三千名社区居住对照组，生成了AD相关睡眠变化的数字生物标志物。本综述将这些发现置于痴呆症睡眠研究的更广泛背景下，强调方法学进展、临床意义和未来方向。
关键内容
痴呆症中睡眠评估的时序发展
历史上，多导睡眠图（PSG）仍然是表征痴呆症睡眠宏观和微观结构的金标准。早期研究（例如，Bliwise 2004；McCurry等 1999）记录了AD患者睡眠片段化增加和慢波及快速眼动睡眠减少的情况。然而，PSG受到短时间记录、实验室环境和患者依从性问题的限制。
随后的研究引入了活动记录仪来在家中纵向评估休息-活动节律（Ancoli-Israel等 2003），但活动记录仪仅推断睡眠-清醒而非睡眠阶段，且缺乏呼吸等生理指标。
近期对无接触床垫下传感器的验证（Chen等 2019；Massie等 2020）使得提取详细的睡眠表型成为可能，包括心率变异性、呼吸模式等。这些平台促进了适用于老年人群的可扩展、零负担安装。
无接触监测中AD的睡眠和生理变化证据
Soreq等（2025年）利用了一个大型队列研究，包括83名临床诊断的AD患者和13,588名一般人群对照组。数月至数年的夜复一夜的数据涵盖了多个模态：床上时间、离床次数、打鼾事件和生理信号（心率和呼吸率）。
关键发现包括AD患者的床上时间延长、离床频率增加（表明睡眠片段化或夜间不安）、打鼾频率减少以及推断的睡眠状态改变，这些改变表明睡眠结构受损。这些标记物定量地区分了AD患者与其年龄匹配的同龄人，并与之前的PSG基础观察结果一致。
重要的是，该研究推导出痴呆症研究机构阿尔茨海默病睡眠指数（DRI-SI-AD），这是一个整合了多个衍生特征的复合数字生物标志物，通过可解释的机器学习模型实现。DRI-SI-AD评分可靠地跟踪了个体水平的疾病进展和急性临床事件（如感染或住院）随时间的变化，证明了其临床相关性。
方法学进展：可解释的机器学习和数据整合
大量和复杂的夜间无接触数据需要稳健的数据降维和表型化方法。Soreq等采用了降维和可解释模型来识别具有生物学合理性的睡眠表型。
这种方法通过阐明病理生理标志而不是不透明的黑箱输出增强了临床实用性。将DRI-SI-AD轨迹与临床里程碑相关联的能力突显了集成传感器数据与高级分析框架相结合的转化潜力。
专家评论
该研究通过实现连续、零负担监测反映潜在神经退行过程的夜间行为和生理，代表了痴呆症护理和研究的重大进展。
识别出的床上时间延长和频繁离床符合已知的行为症状，如日落综合征和夜间躁动，而打鼾减少可能反映了AD患者上呼吸道生理或呼吸控制的变化。
通过客观和纵向量化睡眠障碍，DRI-SI-AD为临床医生提供了一种新的工具，用于早期检测、监测治疗反应和按进展风险分层患者。
仍存在关于传感器部署标准化、与其他健康指标（如认知评估、影像学）整合以及在不同痴呆亚型（如血管性和路易体痴呆）中验证的挑战。
机制上，睡眠障碍可能加剧β淀粉样蛋白清除和tau病理传播，支持睡眠与AD发病机制之间的双向关系。无接触监测可以通过提供丰富的时序数据促进对这些机制的研究。
当前的痴呆指南（如AAN、NICE）承认睡眠管理的重要性，但缺乏实用的纵向睡眠评估工具；像床垫下传感这样的技术可以填补这一空白。
结论
无接触床垫下传感技术结合机器学习，实现了零负担、长期监测老龄化人群和阿尔茨海默病患者的睡眠和生理参数。
这种方法准确地表征了痴呆症特有的夜间睡眠障碍——包括床上时间延长、睡眠片段化和呼吸模式改变——并引入了DRI-SI-AD数字生物标志物作为疾病追踪的有希望的指标。
将此类数字生物标志物整合到临床工作流程中，可以改善早期诊断、监测疾病进展和个性化患者管理。未来研究应重点验证这些方法在更广泛的痴呆病因中、优化传感器算法以及探索睡眠障碍机制作为治疗目标。
参考文献
- Soreq E, Kolanko MA, CRT group, et al. 无接触家庭长期监测表征老龄化和阿尔茨海默病相关的夜间行为和生理。Alzheimers Dement. 2025;21(10):e70758. doi:10.1002/alz.70758. PMID: 41137623; PMCID: PMC12552897.
- Bliwise DL. 阿尔茨海默病和其他痴呆症中的睡眠障碍。Clin Cornerstone. 2004;6 Suppl 1D:S16-28. doi:10.1016/s1098-3597(04)90003-x.
- McCurry SM, Logsdon RG, Teri L, Vitiello MV. 照护者中睡眠障碍的影响因素及治疗意义。Sleep Med Rev. 1999;3(1):1-14. doi:10.1053/smrv.1998.0064.
- Ancoli-Israel S, Klauber MR, Butters N, et al. 阿尔茨海默病中睡眠-觉醒模式的纵向研究。Sleep. 2003;26(6):747-752. doi:10.1093/sleep/26.6.747.
- Chen L, Ng C, Leung G, et al. 使用可穿戴和无接触传感器进行自动睡眠分期：当前状况和展望。Sensors (Basel). 2019;19(20):4624. doi:10.3390/s19204624.
- Massie MJ, Kolbjørnsen Ø, Comes AL, et al. 无接触传感器评估睡眠监测：推进临床试验中的睡眠测量。Sleep Med Rev. 2020;50:101254. doi:10.1016/j.smrv.2019.101254.
