Sebuah tim peneliti dari Universitas Cambridge telah mengembangkan jenis baru "piyama pintar" yang dapat membantu orang melacak tidur mereka dan mendeteksi masalah seperti sleep apnea.

Piyama ini lembut, nyaman, dan dapat dicuci, sehingga lebih mudah digunakan daripada perangkat pemantau tidur tradisional.

Tidak seperti peralatan besar yang digunakan di klinik tidur, piyama ini berfungsi tanpa perekat atau tali yang tidak nyaman, sehingga orang dapat memantau tidur mereka di rumah.

Rahasia di balik piyama pintar ini adalah serangkaian sensor cetak kecil yang tertanam di kain.

Sensor ini dapat menangkap gerakan kecil di kulit, bahkan saat piyama dikenakan longgar.

Sensor ini ditempatkan di sekitar dada dan leher untuk melacak pola pernapasan sepanjang malam.

Untuk memahami data tersebut, tim melatih sistem kecerdasan buatan (AI) untuk mengenali berbagai kondisi tidur.

Sistem ini, yang disebut SleepNet, dapat secara akurat mengidentifikasi enam jenis perilaku tidur, termasuk pernapasan hidung, pernapasan mulut, mendengkur, menggertakkan gigi, dan dua bentuk sleep apnea.

Ia bekerja dengan akurasi 98,6% yang mengagumkan, mengabaikan gerakan normal seperti berguling-guling.

Karena SleepNet adalah model AI yang "ringan", ia membutuhkan daya yang sangat sedikit dan dapat berjalan pada perangkat kecil dan portabel tanpa perlu terhubung ke komputer.

Jutaan orang menderita kurang tidur, dan konsekuensinya bisa serius. Gangguan tidur seperti sleep apnea dapat menyebabkan masalah kesehatan jangka panjang, termasuk penyakit jantung, diabetes, dan masalah kesehatan mental seperti depresi.

Penelitian menunjukkan bahwa lebih dari 60% orang dewasa kesulitan tidur, yang memengaruhi produktivitas harian dan bahkan menimbulkan biaya ekonomi.

Faktanya, kurang tidur menyebabkan hilangnya hari kerja dan diperkirakan akan mengurangi ekonomi global sekitar 1%.

Saat ini, cara paling akurat untuk mendiagnosis gangguan tidur adalah melalui polisomnografi (PSG), tes yang dilakukan di klinik tidur.

Proses ini mengharuskan pasien tidur dengan banyak kabel yang terpasang di tubuh mereka, memantau aktivitas otak, pernapasan, detak jantung, dan sinyal lainnya.

Meskipun PSG menyediakan data yang dapat diandalkan, PSG mahal, tidak nyaman, dan tidak praktis untuk penggunaan jangka panjang di rumah.

Ada beberapa alternatif yang lebih sederhana, seperti tes tidur di rumah, tetapi biasanya hanya berfokus pada satu kondisi dan sering kali memerlukan peralatan yang besar.

Banyak orang juga menggunakan jam tangan pintar atau pelacak kebugaran untuk memantau tidur, tetapi perangkat ini hanya dapat memperkirakan kualitas tidur berdasarkan gerakan dan detak jantung.

Perangkat ini tidak cukup akurat untuk mendeteksi masalah pernapasan tertentu seperti sleep apnea.

Tim Cambridge ingin mengembangkan sesuatu yang mudah dikenakan dan sangat akurat.

Solusi mereka dibangun berdasarkan penelitian sebelumnya, di mana mereka menciptakan "smart choker" untuk orang-orang dengan gangguan bicara.

Dengan menyempurnakan desain, mereka membuat sensor lebih sensitif terhadap perubahan pernapasan sekaligus memastikan piyama tetap nyaman.

Salah satu peningkatan utama adalah sensor tidak perlu dililitkan erat di tubuh. Selama menyentuh kulit, sensor dapat mengumpulkan data yang akurat.

Tim juga membuat sensor dapat dicuci dengan merawatnya menggunakan proses kanji khusus, yang memungkinkan piyama dibersihkan seperti pakaian biasa.

Selama pengujian, piyama pintar bekerja dengan baik pada individu yang sehat dan orang-orang dengan sleep apnea.

Mereka dapat mengidentifikasi berbagai kondisi tidur dengan tepat, membantu pengguna memahami kebiasaan tidur mereka.

Keuntungan lainnya adalah piyama versi terbaru dapat mengirim data tidur secara nirkabel ke ponsel pintar atau komputer, sehingga memudahkan pengguna untuk meninjau hasil dan membagikannya dengan dokter jika diperlukan.

Para peneliti percaya bahwa teknologi ini dapat menjadi alat yang berguna bagi orang yang menduga bahwa mereka memiliki gangguan tidur tetapi tidak ingin repot-repot pergi ke klinik tidur.

Misalnya, seseorang yang sering mendengkur atau kesulitan bernapas di malam hari dapat mengenakan piyama untuk melacak gejala mereka dari waktu ke waktu.

Jika data menunjukkan adanya masalah, mereka dapat mencari saran medis dan berpotensi menerima perawatan lebih awal.

Selain pemantauan tidur, tim tersebut sedang menjajaki penggunaan lain untuk teknologi tersebut.

Mereka mempertimbangkan untuk mengadaptasi sensor untuk pemantauan bayi atau melacak kondisi kesehatan yang memengaruhi pernapasan.

Mereka juga berupaya meningkatkan daya tahan sensor sehingga dapat bertahan lebih lama dengan penggunaan rutin.

Analisis Studi

Studi ini menyajikan inovasi yang menjanjikan dalam pemantauan tidur. Piyama pintar menawarkan cara yang praktis, nyaman, dan akurat untuk melacak tidur di rumah.

Dibandingkan dengan opsi yang sudah ada seperti PSG atau pelacak kebugaran, keduanya menyediakan data yang lebih akurat sekaligus lebih mudah digunakan.

Tingkat akurasi yang tinggi (98,6%) sangat mengesankan, terutama karena sistem AI dapat membedakan antara gerakan normal dan masalah pernapasan saat tidur.

Kemampuan untuk mentransfer data secara nirkabel merupakan keunggulan kuat lainnya, karena memungkinkan pengguna untuk melacak pola tidur mereka dari waktu ke waktu.

Namun, masih ada tantangan yang perlu dipertimbangkan. Karena teknologinya masih dalam tahap pengembangan, belum jelas berapa lama sensor akan bertahan jika dicuci dan digunakan berulang kali.

Selain itu, meskipun penelitian difokuskan pada penderita apnea tidur, pengujian lebih lanjut diperlukan untuk melihat seberapa baik piyama tersebut berfungsi dalam mendeteksi gangguan tidur lainnya.

Meskipun ada keterbatasan ini, piyama pintar merupakan langkah penting untuk membuat pemantauan tidur lebih mudah diakses.

Jika perbaikan lebih lanjut dilakukan, teknologi ini dapat membantu jutaan orang mengelola kesehatan tidur mereka dengan lebih efektif, yang berpotensi mencegah masalah kesehatan jangka panjang yang disebabkan oleh kurang tidur.

Temuan penelitian dapat ditemukan di PNAS.