可穿戴设备睡眠分期：为何深度睡眠难以测量

你的可穿戴设备通常能判断你是否睡着了。但要判断你是否有 83 分钟处于深度睡眠，它就困难得多。

在近期将可穿戴设备信号与多导睡眠监测（PSG）——睡眠测量的实验室标准——进行比较的研究中，四阶段算法的结果大致落在同一范围内：准确率为 75.3% 至 80.8%，Cohen's kappa 值为 0.6151 至 0.70。这种一致性具有实用价值，但仍低于受过训练的人类 PSG 评分者之间预期达到的一致性。最难区分的是 N2 与 N3，亦即慢波睡眠——消费者应用标为“深度睡眠”的阶段。

实际结论没有营销宣传那么戏剧化。可使用可穿戴设备在数周内追踪总体睡眠模式。应将单晚的深度睡眠总时长视为带有噪声的估计值，而非精确到足以指导明天训练、饮酒实验或补充剂组合的测量结果。

不同传感器，四阶段评分存在相似局限

三项与 PSG 同步进行的验证研究，尽管采用了不同设备、模型和受试人群，得出了相似结果。

Zhang 等人（2026）在 357 名睡眠门诊参与者中测试了基于 Mamba 的深度学习模型。ANNE One 可穿戴设备结合了胸部 ECG、手指 PPG、加速度计和皮肤温度。与 PSG 相比，其四类别平衡准确率为 75.30%，kappa 值为 0.6151。这是该组中传感器最丰富的配置，但其表现并未优于仅使用 PPG 的研究。

Constantin 等人（2025）在 68 次与 PSG 同步进行的夜间记录中使用腕部反射式 PPG。其深度学习模型相对于 PSG 达到 78.7% 的四类别准确率和 0.68 的 kappa 值。在另一项长期动态分析中，睡眠/清醒一致性相对于体动记录法达到 0.80 的 kappa 值。该更高数值不能与 PSG 结果相比：体动记录法是基于运动的参考方法，而非对睡眠阶段的直接测量。

Aguet 等人（2025）在 134 名疑似睡眠呼吸暂停者接受临床 PSG 期间，评估了基于 PPG 的深度学习模型。腕部 PPG 达到 80.8% 的四类别准确率和 0.70 的 kappa 值。该队列很重要。睡眠呼吸暂停可能会使心率变异性和睡眠结构碎片化，因此这些结果并不能证明在健康成年人中具有相同性能。

这些是跨研究比较，并非传感器之间的对照性竞赛。各研究在模型架构、训练数据、佩戴位置和人群方面均有差异。尽管如此，胸部 ECG 加手指 PPG 系统并未明显优于单独的腕部 PPG。更多传感器可能有助于特定算法，但现有证据并未显示传感器数量能够可靠预测更好的四阶段睡眠评分。

缺失的信号是 N2 到 N3 的边界

最具信息量的结果来自于简化分类任务。Zhang 及其同事将四类别的 kappa 值 0.6151 提升至三类别的 0.7289：清醒、浅层 NREM 睡眠和 REM 睡眠。去除 N2/N3 边界带来了约 0.11 个 kappa 点的提升。

这一模式符合睡眠生理学。N3 在 PSG 中由 EEG 上的高振幅 δ 活动定义，通常处于 0.5–4 Hz 范围内。ECG、心率变异性和 PPG 捕捉的是心脏和外周血管信号；它们并不直接记录这种脑活动。模型可以学习自主神经模式与睡眠阶段之间的相关性，但相关性不能替代最初用于定义 N3 的信号。

这并不意味着非 EEG 可穿戴设备毫无价值。睡眠/清醒以及宽泛的清醒-NREM-REM 分类获得了更多支持。Constantin 等人报告，相对于 PSG，短期睡眠/清醒的 kappa 值为 0.71，而 Zhang 的三类别结果为 0.7289。证据对宽泛类别的支持强于对慢波睡眠逐分钟判断的支持。

更多训练数据尚未解决这个问题

Pini 等人（2023）使用来自三大洲诊所的 12,404 份 PSG 记录开发了一种基于心率的睡眠分期算法，随后通过可穿戴 ECG 设备进行了前瞻性验证。训练队列的平均年龄为 42.3 岁，标准差为 16.8 岁，其中 59% 存在睡眠呼吸障碍。现有报告未提供可与上述研究直接比较的四类别 kappa 数值。

其价值在于规模，而不是新的数值基准。一个规模大得多且地域覆盖更广的 ECG 数据集表明，基于心率推导的睡眠分期是可行的。它并未提供证据表明，ECG 衍生信号能够以 EEG 评分的水平清晰区分 N3。其临床人群构成也未能回答：这样的模型对健康运动员、没有睡眠呼吸障碍的老年人或青少年的迁移表现如何。

佩戴位置可能重要，但模型决定其影响程度

Aguet 等人发现，在其标准深度学习模型中，将 PPG 传感器从腕部移至上臂会使准确率降低 6.2 个百分点，并使 kappa 值降低约 10%。然而，仅使用搏间期的模型消除了这种佩戴位置带来的损失。该结果并不能证明腕部始终优于上臂；它表明，佩戴位置的影响既取决于算法，也取决于信号。

戒指设备又带来了一个尚未解决的问题。手指 PPG 可能提供较强的光学信号，但上述主要研究未使用相同受试者和模型进行受控的手指与腕部比较。Svensson 等人（2024）在 96 名参与者中、跨 421,045 个已评分时间段，使用多夜动态 PSG 对配备 OSSA 2.0 算法的 Oura Ring Gen3 进行了独立评估。这是有价值的商业验证，但并不能证明手指佩戴位置优于腕部佩戴位置。

为何已发表研究无法为你的应用提供认证

领先的可穿戴品牌采用专有算法、未披露的训练数据和可能在不事先通知的情况下改变性能的固件更新。因此，研究模型和商业产品属于相关但独立的证据体系。

商业产品的 PSG 验证确实存在。Schyvens 等人（2025）在 62 名参与者中，将六种商用腕戴设备与 PSG 进行了比较。同一研究团队还发表了一篇关于 Fitbit Charge 4、Garmin Vivosmart 4 和 WHOOP 与 PSG 对比的2024 年系统综述。Lee 等人（2023）前瞻性评估了 11 种可穿戴、近场和空气式消费者追踪器与 PSG 的一致性。

这些研究表明，商业设备可以接受 PSG 对照测试。它们并未与 Zhang、Constantin 或 Aguet 的研究算法形成清晰的头对头比较。各睡眠阶段的 N3 灵敏度在商业研究中也未被一致报告，因此没有任何已发表数值能准确告诉你应在多大程度上信任某一品牌的深度睡眠图表。

如何在不自我欺骗的情况下使用这些数据

可穿戴设备的睡眠阶段最好被视为具有不同误差范围的估计值，即使应用将其显示为精确分钟数。

• 将总睡眠时间和总体睡眠/清醒模式作为最可靠的输出结果。
• 在解读睡眠阶段趋势变化前，先查看 7 至 14 晚的滚动平均值。
• 不要因为某一晚出现异常偏低或偏高的深度睡眠总时长，就改变训练计划或补充剂方案。
• 应优先参考经过同行评审、以 PSG 为基准且报告阶段特异性结果的验证研究，而非制造商的准确率声明。

证据可能会改变。一项在健康成年人中显示非 EEG 的 N3 区分能力 kappa 值高于 0.80 的 PSG 研究，或一项显示商业算法明显超过已发表研究系统的受控比较，都会迫使人们重新评估。当前证据中尚未出现任何一种结果。就目前而言，诚实的解读很简单：可穿戴设备可以帮助你追踪睡眠行为，但它们无法看到定义深度睡眠的 EEG 信号。