Kempenhaeghe stelt slaapdataset met 1.000 deelnemers beschikbaar

Onderzoekers kunnen voortaan gebruikmaken van de SOMNIA1000-dataset van het Centrum voor Slaapgeneeskunde van Kempenhaeghe. De dataset omvat slaapregistraties en gegevens van draagbare sensoren van 1.000 deelnemers met uiteenlopende slaapstoornissen, aangevuld met gegevens van gezonde volwassenen. De combinatie van klinische metingen, gescoorde slaapstadia en demografische informatie biedt aanknopingspunten voor wetenschappelijk onderzoek naar slaap, slaapstoornissen en de mogelijkheden om deze beter te herkennen en te begrijpen.

Met het beschikbaar stellen van SOMNIA1000 wil Kempenhaeghe wetenschappelijk onderzoek naar slaap en slaapstoornissen stimuleren. De dataset kan worden gebruikt door onderzoekers uit onder meer de slaapgeneeskunde, datawetenschappen, kunstmatige intelligentie en biomedische technologie. Zij kunnen de gegevens inzetten voor de ontwikkeling en de validatie van nieuwe technologieën voor het diagnosticeren en monitoren van slaapstoornissen. “Wat deze dataset echt uniek maakt is de combinatie van hoge kwaliteit klinische polysomnografie plus data van draagbare sensoren” aldus Merel van Gilst, onderzoeker en oprichter van het SOMNIA-project. “Door SOMNIA1000 toegankelijk te maken kunnen meer onderzoekers wereldwijd werken aan innovatie in slaapgeneeskunde.”

Slaapdata als basis voor nieuwe diagnostiek

De SOMNIA1000-dataset is uitsluitend beschikbaar voor academisch onderzoek. Onderzoekers die toegang willen krijgen tot de gegevens, kunnen daarvoor een aanvraag indienen bij Kempenhaeghe. Meer informatie over de dataset en de aanvraagprocedure staat op de website van KempenHaeghe.

De beschikbaarheid van SOMNIA1000 sluit aan bij de groeiende aandacht voor het gebruik van kunstmatige intelligentie en draagbare technologie in de slaapgeneeskunde. Onderzoekers zoeken naar manieren om slaapgegevens beter te benutten, zowel voor het herkennen van slaapstoornissen als voor het verkrijgen van inzicht in de bredere relatie tussen slaap en gezondheid.

In december vorig jaar schreven we over het onderzoek van de TU Eindhoven, waarbij AI-modellen worden gecombineerd met gegevens van draagbare sensoren om zeldzame slaapstoornissen, zoals de REM-slaapgedragsstoornis, eerder te herkennen. Daarbij werden onder meer gegevens uit de uitgebreide SOMNIA-dataset gebruikt om modellen te trainen en aan te passen voor toepassing met wearables. De onderzoekers onderzoeken hoe slaapmonitoring daarmee toegankelijker kan worden en op termijn ook buiten het slaaplaboratorium kan plaatsvinden.

Begin dit jaar schreven we ook over SleepFM, een AI-model dat door onderzoekers van Stanford Medicine en internationale partners is ontwikkeld om patronen in slaapgegevens te analyseren en mogelijke gezondheidsrisico’s in kaart te brengen. Het model is getraind op bijna 600.000 uur aan polysomnografische gegevens van ongeveer 65.000 deelnemers. De onderzoekers onderzochten onder meer in hoeverre slaapregistraties verband houden met het risico op uiteenlopende aandoeningen.