UKHSA: ข้อมูลการไอจากแอปนอนช่วยบ่งชี้ไข้หวัดใหญ่และ COVID-19 ล่วงหน้าหนึ่งสัปดาห์

หน่วยงานสาธารณสุขแห่งสหราชอาณาจักร (UK Health Security Agency) และบริษัทเทคโนโลยีการนอนของสวีเดน Sleep Cycle เมื่อวันที่ 3 กันยายน 2026 ได้เผยแพร่ผลการศึกษาวิจัยร่วมที่ประเมินว่าข้อมูลการไอที่เก็บแบบพาสซีฟผ่านแอปนอนของผู้บริโภคสามารถทำหน้าที่เป็นสัญญาณเตือนล่วงหน้าสำหรับโรคระบบทางเดินหายใจในอังกฤษหรือไม่ การศึกษาพบว่าการเพิ่มขึ้นของการไอในเวลากลางคืนมักสังเกตได้ประมาณหนึ่งสัปดาห์ก่อนที่กิจกรรมของไข้หวัดใหญ่และ COVID‑19 จะเพิ่มขึ้น

ตามประกาศของ UKHSA ข้อมูลที่เก็บแบบพาสซีฟให้ตัวบ่งชี้ที่แข็งแกร่งและสอดคล้องกันในระดับภูมิภาคสำหรับโรคระบบทางเดินหายใจในชุมชน โดยกิจกรรมการไอสะท้อนระดับของโรคระบบทางเดินหายใจที่รายงานผ่านบริการโทรศัพท์ NHS 111 อย่างใกล้ชิด UKHSA กล่าวว่าผลการศึกษานี้สนับสนุนบทบาทของข้อมูลสุขภาพดิจิทัลในการเฝ้าระวังสาธารณสุขควบคู่กับระบบที่มีอยู่แล้ว

การออกแบบการศึกษาและผลการวิจัย

การวิจัยนี้ซึ่งตีพิมพ์เป็น preprint บน medRxiv และเขียนโดยนักวิจัยจาก UKHSA จำนวนเจ็ดคนและนักวิจัยจาก Sleep Cycle จำนวนสองคน ได้เปรียบเทียบเมตริกการไอในเวลากลางคืนรายสัปดาห์ตั้งแต่เดือนมกราคม 2023 ถึงมกราคม 2026 กับตัวบ่งชี้การเฝ้าระวังของ UKHSA: การโทรคัดกรองการติดเชื้อระบบทางเดินหายใจเฉียบพลันผ่าน NHS 111, ผลบวกของ PCR สำหรับไข้หวัดใหญ่และ COVID‑19, และอัตราการรับผู้ป่วยเข้ารักษาในโรงพยาบาลสำหรับไข้หวัดใหญ่, COVID‑19, และเชื้อไวรัสซิงค์ิไทลล์ (RSV)

การศึกษาได้ทดสอบเมตริกการไอสามประเภท ได้แก่ จำนวนการไอรวม, การไอต่อผู้ใช้, และการไอต่อชั่วโมงของการนอน การเชื่อมโยงที่แข็งแกร่งที่สุดพบกับการโทรคัดกรองการติดเชื้อระบบทางเดินหายใจเฉียบพลันผ่าน NHS 111 โดยเมตริกที่ทำให้เป็นมาตรฐานตามประชากรแสดงความสัมพันธ์ระดับชาติแบบดิบประมาณ 0.95 และยังคงความสัมพันธ์ที่ทำความขาวล่วงหน้า (prewhitened) มากกว่า 0.55 ที่ช่วงเวลา lag zero ซึ่งหมายความว่ากิจกรรมการไอติดตามการเปลี่ยนแปลงระยะสั้นของตัวบ่งชี้อาการแบบสังเคราะห์ที่ตั้งอยู่แล้วเหนือฤดูกาลและแนวโน้มระยะยาว preprint ระบุว่าการไอต่อชั่วโมงของการนอนถึงจุดสูงสุดหนึ่งสัปดาห์ก่อนผลบวกของ PCR ไข้หวัดใหญ่ ในขณะที่การไอต่อผู้ใช้และการไอต่อชั่วโมงของการนอนทั้งสองประเภทถึงจุดสูงสุดหนึ่งสัปดาห์ก่อนผลบวกของ PCR COVID‑19 ตัวบ่งชี้ที่อ้างอิงจากโรงพยาบาลแสดงความสัมพันธ์ที่อ่อนแรงกว่า แม้ว่าเมตริกที่ทำให้เป็นมาตรฐานจะสอดคล้องกับการรับผู้ป่วยเข้ารักษาไข้หวัดใหญ่ในเวลาเดียวกันและแสดงความสัมพันธ์นำสั้นกับการรับผู้ป่วย COVID‑19

จำนวนการไอรวมที่ไม่ได้ทำให้เป็นมาตรฐานให้โครงสร้าง lag ที่ไม่เสถียรและมักไม่สามารถตีความได้ ผู้เขียนอธิบายว่ามาจากความไวต่อการเปลี่ยนแปลงของปริมาณการสังเกต เช่น การเปลี่ยนแปลงจำนวนผู้ใช้ที่ใช้งานและระยะเวลาการนอนที่บันทึกไว้ preprint แนะนำให้ใช้เมตริกที่ทำให้เป็นมาตรฐานตามประชากรแทนการนับดิบสำหรับการประยุกต์ใช้ในการเฝ้าระวังใด ๆ

AI บนอุปกรณ์และการปกป้องความเป็นส่วนตัว

Sleep Cycle เป็นแอปบนสมาร์ทโฟนที่ใช้การวิเคราะห์เสียงด้วย AI เพื่อช่วยผู้ใช้ทำความเข้าใจและปรับปรุงการนอนของตน เหตุการณ์การไอถูกระบุโดยโมเดลการตรวจจับเสียงด้วยการเรียนรู้ของเครื่องที่ทำงานบนอุปกรณ์ของผู้ใช้โดยตรง โดยทำการอนุมานบนคลิปเสียง 10 วินาทีที่ทับซ้อนกันระหว่างช่วงการนอนที่ผู้ใช้เริ่มต้น ไม่มีการส่งเสียงดิบไปยังเซิร์ฟเวอร์ของ Sleep Cycle ตาม preprint บันทึกต่าง ๆ จะถูกทำให้เป็นนามธรรมก่อนส่งโดยการลบข้อมูลส่วนบุคคลและทำการเบี่ยงเบนพิกัดทางภูมิศาสตร์ จากนั้นบันทึกการไอจะถูกรวมเป็นข้อมูลตามเจ็ดภูมิภาคของ NHS England

ชุดข้อมูลครอบคลุมผู้ใช้เฉลี่ย 3,482 รายต่อวันในภูมิภาค South West ของอังกฤษ ถึง 11,427 รายในลอนดอน ในผู้ใช้ที่ให้ข้อมูลประชากรโดยสมัครใจ อายุเฉลี่ยอยู่ที่ 37.9 ปี โดยมีผู้ชาย 59.3% และผู้หญิง 40.2%

ต้นกำเนิดของความร่วมมือ

UKHSA และ Sleep Cycle ประกาศความร่วมมือในการวิจัยเมื่อวันที่ 28 มกราคม 2026 โดยอธิบายว่าเป็นโครงการระยะเวลา 12 สัปดาห์ซึ่งหน่วยงานระบุว่าเป็นครั้งแรกที่มีการประเมินข้อมูลจากแอปนอนอย่างเป็นระบบเพื่อใช้เป็นเครื่องมือศักยภาพในการเฝ้าระวังระบาดวิทยาระดับชาติ ภายใต้ข้อตกลงไม่มีข้อมูลของ UKHSA ถูกแชร์ให้กับ Sleep Cycle การวิเคราะห์ดำเนินการบนระบบที่ปลอดภัยของ UKHSA โดยทีมวิจัยของหน่วยงานโดยเฉพาะ ในขณะที่ Sleep Cycle มีส่วนร่วมเพียงข้อมูลเชิงลึกที่ทำให้เป็นนามธรรม ปกป้องความเป็นส่วนตัว และรวมเป็นข้อมูลจากคลังข้อมูลที่ผู้ใช้ให้ความยินยอม

ระบบเฝ้าระวังที่มีอยู่ในปัจจุบันพึ่งพาการที่ประชาชนเข้ารับการดูแลผ่าน NHS ซึ่ง UKHSA ระบุว่าอาจได้รับอิทธิพลจากการรับรู้ของสาธารณะ ความพร้อมของบริการ และความแตกต่างทางประชากรหรือเศรษฐกิจสังคม รวมถึงเวลาการรายงานและการประมวลผลในห้องปฏิบัติการ ในทางตรงกันข้าม สัญญาณการไอเกิดขึ้นโดยอัตโนมัติระหว่างการนอนปกติและอัปเดตทุกวัน preprint ระบุว่าข้อมูลการไอมีความล่าช้าในการรายงานน้อยกว่าหนึ่งวัน เทียบกับความล่าช้าปกติหลายวันของแหล่งข้อมูล UKHSA ที่มีอยู่

“ไม่มีระบบเฝ้าระวังใดระบบเดียวที่ให้ภาพรวมครบถ้วนของกิจกรรมโรคระบบทางเดินหายใจ แต่การศึกษานี้แสดงให้เห็นว่าการเฝ้าติดตามการไอในเวลากลางคืนแบบพาสซีฟสามารถเสริมระบบเฝ้าระวังอื่น ๆ เพื่อให้สัญญาณระดับประชากรที่ทันเวลาเกี่ยวกับแนวโน้มโรคที่กำลังจะมาถึง โดยไม่ถูกรบกวนจากพฤติกรรมการหาการดูแลสุขภาพ เวลาการประมวลผลของห้องปฏิบัติการ การเติมข้อมูลย้อนหลัง หรือความล่าช้าการรายงาน” ศาสตราจารย์สตีเว่น ไรลี่ ประธานเจ้าหน้าที่ข้อมูลของ UKHSA กล่าว

ข้อจำกัดที่ระบุและขั้นตอนต่อไป

ผู้เขียนระบุข้อจำกัดหลายประการ ประชากรผู้ใช้ Sleep Cycle มีแนวโน้มอายุน้อยกว่าและกระจุกตัวอยู่ในพื้นที่เมือง โดยเฉพาะลอนดอนและภาคใต้ของอังกฤษ การศึกษาประเมินความสัมพันธ์เชิงเวลาในอดีตแทนการประเมินเชิงพยากรณ์ในอนาคต และผู้เขียนระบุว่าการแสดงให้เห็นถึงประโยชน์เชิงปฏิบัติการจะต้องอาศัยการประเมินเชิงล่วงหน้าเทียบกับฐานการคาดการณ์ในสภาพแวดล้อมแบบเรียลไทม์ ผลลัพธ์สำหรับเชื้อไวรัสซิงค์ิไทลล์ (RSV) ไม่ชัดเจน ซึ่งผู้เขียนอธิบายว่าเกิดจากช่วงเวลาข้อมูลที่สั้นลงและความแตกต่างระหว่างประชากรผู้ใช้แอปกับกลุ่มที่ได้รับผลกระทบอย่างรุนแรงจากโรค RSV

preprint ระบุว่าการประเมินเชิงล่วงหน้าของกิจกรรมการไอในเวลากลางคืนภายในสภาพแวดล้อมการเฝ้าระวังเชิงปฏิบัติการ รวมถึงการผสานเข้ากับแดชบอร์ดการเฝ้าระวังที่มีอยู่และการประเมินในฤดูกาลระบบทางเดินหายใจในอนาคต เป็นขั้นตอนต่อไปสำหรับการวิจัยนี้

แหล่งอ้างอิงของบทความต้นฉบับ: gov.uk [1] · medrxiv.org [2] · gov.uk [3] · sleepcycle.com [4]