UKHSA: ข้อมูลการไอจากแอปนอนช่วยบ่งชี้ไข้หวัดใหญ่และ COVID-19 ล่วงหน้า 1 สัปดาห์

หน่วยงานความปลอดภัยด้านสุขภาพของสหราชอาณาจักร (UK Health Security Agency) และบริษัทเทคโนโลยีการนอนของสวีเดน Sleep Cycle เมื่อวันที่ 3 กันยายน 2026 ได้เผยแพร่ผลการศึกษาร่วมที่ประเมินว่าข้อมูลการไอที่เก็บโดยอัตโนมัติผ่านแอปการนอนของผู้บริโภคสามารถเป็นสัญญาณเตือนล่วงหน้าสำหรับโรคระบบหายใจในอังกฤษได้หรือไม่ การศึกษา พบว่าการเพิ่มขึ้นของการไอในเวลากลางคืนมักสังเกตได้ประมาณหนึ่งสัปดาห์ก่อนที่กิจกรรมของไข้หวัดใหญ่และ COVID-19 จะเพิ่มขึ้น

ตามประกาศของ UKHSA ข้อมูลที่เก็บโดยอัตโนมัตินี้ให้ตัวชี้วัดที่แข็งแกร่งและสอดคล้องกันในระดับภูมิภาคสำหรับโรคระบบหายใจของชุมชน โดยกิจกรรมการไอสะท้อนระดับของโรคระบบหายใจที่รายงานผ่านบริการโทรศัพท์ NHS 111 อย่างใกล้ชิด UKHSA กล่าวว่า ผลการวิจัยสนับสนุนบทบาทของข้อมูลสุขภาพดิจิทัลในการเฝ้าระวังสาธารณสุขควบคู่กับระบบที่มีอยู่แล้ว

การออกแบบการศึกษาและผลการวิจัย

การวิจัยที่เผยแพร่เป็น preprint บน medRxiv และเขียนโดยนักวิจัย UKHSA จำนวนเจ็ดคนและนักวิจัย Sleep Cycle สองคน ได้เปรียบเทียบเมตริกการไอในเวลากลางคืนรายสัปดาห์ตั้งแต่เดือนมกราคม 2023 ถึงมกราคม 2026 กับตัวชี้วัดการเฝ้าระวังของ UKHSA ได้แก่ การโทรสอบถามการติดเชื้อระบบหายใจฉับพลันผ่าน NHS 111, อัตราการตรวจ PCR ของไข้หวัดใหญ่และ COVID-19, และอัตราการรับผู้ป่วยในโรงพยาบาลจากไข้หวัดใหญ่, COVID-19 และเชื้อไวรัสซิงซิทียลลี่ (RSV)

การศึกษาได้ทดสอบเมตริกการไอสามประเภท ได้แก่ จำนวนการไอทั้งหมด, การไอต่อผู้ใช้, และการไอต่อชั่วโมงของการนอน ความสัมพันธ์ที่แข็งแกร่งที่สุดพบกับการโทรสอบถามการติดเชื้อระบบหายใจฉับพลันผ่าน NHS 111 ซึ่งเมตริกที่ปรับตามประชากรแสดงความสัมพันธ์ระดับชาติประมาณ 0.95 และยังคงมีความสัมพันธ์ที่ผ่านการปรับค่า (prewhitened) มากกว่า 0.55 ที่ lag 0 หมายความว่ากิจกรรมการไอติดตามการเปลี่ยนแปลงระยะสั้นของตัวชี้วัดซินโดรมที่ตั้งอยู่แล้วโดยเหนือกว่าความสอดคล้องตามฤดูกาลและแนวโน้มระยะยาว preprint ระบุว่าการไอต่อชั่วโมงของการนอนพุ่งสูงหนึ่งสัปดาห์ก่อนที่ PCR ของไข้หวัดใหญ่จะเป็นบวก ในขณะที่การไอต่อผู้ใช้และการไอต่อชั่วโมงของการนอนพุ่งสูงหนึ่งสัปดาห์ก่อนที่ PCR ของ COVID-19 จะเป็นบวก ตัวชี้วัดจากโรงพยาบาลแสดงความสัมพันธ์ที่อ่อนกว่า แม้ว่าเมตริกที่ปรับตามประชากรจะสอดคล้องกับการรับผู้ป่วยในจากไข้หวัดใหญ่และแสดงความสัมพันธ์นำหน้าแบบสั้นกับการรับผู้ป่วยในจาก COVID-19

จำนวนการไอทั้งหมดที่ไม่ได้ปรับตามประชากรให้โครงสร้าง lag ที่ไม่เสถียรและบางครั้งไม่สามารถตีความได้ ผู้เขียนอธิบายว่ามีสาเหตุมาจากความไวต่อการเปลี่ยนแปลงของปริมาณการสังเกต เช่น การเปลี่ยนแปลงจำนวนผู้ใช้ที่ใช้งานอยู่และระยะเวลาการนอนที่บันทึกไว้ preprint แนะนำให้ใช้เมตริกที่ปรับตามประชากรแทนการนับดิบสำหรับการเฝ้าระวังใด ๆ

AI บนอุปกรณ์และการปกป้องความเป็นส่วนตัว

Sleep Cycle เป็นแอปบนสมาร์ทโฟนที่ใช้การวิเคราะห์เสียงด้วย AI เพื่อช่วยให้ผู้ใช้เข้าใจและปรับปรุงคุณภาพการนอน การเกิดเหตุการณ์ไอจะถูกตรวจจับโดยโมเดลการตรวจจับเสียงแบบแมชชีนเลิร์นนิงที่ทำงานบนอุปกรณ์ของผู้ใช้โดยตรง โดยทำการประมวลผลคลิปเสียงทับซ้อนกัน 10 วินาทีระหว่างช่วงการนอนที่ผู้ใช้เริ่มต้นเอง ไม่ได้มีการส่งเสียงดิบไปยังเซิร์ฟเวอร์ของ Sleep Cycle ตามที่ preprint ระบุ บันทึกต่าง ๆ จะถูกทำให้เป็นนามธรรมก่อนส่งโดยการลบตัวระบุส่วนบุคคลและการทำให้พิกัดภูมิศาสตร์เบี่ยงเบน และ Sleep Cycle จะเผยแพร่เฉพาะข้อมูลสรุปที่ได้รับการปกป้องด้วยเทคนิคความเป็นส่วนตัวเชิงแตกต่าง (differential privacy)

ชุดข้อมูลครอบคลุมผู้ใช้เฉลี่ย 3,482 คนต่อวันในภูมิภาค South West ของอังกฤษถึง 11,427 คนในลอนดอน ในกลุ่มผู้ใช้ที่ให้ข้อมูลประชากรโดยสมัครใจ อายุเฉลี่ยคือ 37.9 ปี โดยมีผู้ชาย 59.3% และผู้หญิง 40.2%

ที่มาของความร่วมมือ

UKHSA และ Sleep Cycleประกาศความร่วมมือในการวิจัยเมื่อวันที่ 28 มกราคม 2026 โดยอธิบายว่าเป็นโครงการระยะเวลา 12 สัปดาห์ที่หน่วยงานกล่าวว่าเป็นครั้งแรกที่มีการประเมินข้อมูลแอปการนอนอย่างเป็นระบบเพื่อใช้เป็นเครื่องมือในการเฝ้าระวังระบาดวิทยาระดับชาติ ภายใต้ข้อตกลงนี้ไม่มีข้อมูลของ UKHSA ถูกแชร์กับ Sleep Cycle; การวิเคราะห์ทำบนระบบที่ปลอดภัยของ UKHSA โดยทีมวิจัยของหน่วยงานเอง ในขณะที่Sleep Cycle ให้ข้อมูลที่ผ่านการทำให้เป็นนามธรรม ปกป้องความเป็นส่วนตัวและสรุปเป็นข้อมูลรวมจากคลังข้อมูลที่ผู้ใช้ให้ความยินยอม

ระบบเฝ้าระวังที่มีอยู่พึ่งพาการที่ผู้คนเข้ารับการรักษาผ่าน NHS ซึ่ง UKHSA ระบุว่าอาจได้รับอิทธิพลจากการรับรู้ของสาธารณะ ความพร้อมของบริการและความแตกต่างด้านประชากรหรือสังคมเศรษฐกิจ รวมถึงเวลาการรายงานและการประมวลผลในห้องปฏิบัติการ สัญญาณการไอในทางตรงข้ามถูกสร้างโดยอัตโนมัติระหว่างการนอนตามปกติและอัปเดตทุกวัน preprint ระบุว่าข้อมูลการไอมีช่วงเวลาการรายงานน้อยกว่าหนึ่งวันเมื่อเทียบกับช่วงเวลาการรายงานหลายวันของแหล่งข้อมูล UKHSA ที่มีอยู่

“ไม่มีระบบเฝ้าระวังใดระบบเดียวที่ให้ภาพรวมครบถ้วนของกิจกรรมโรคระบบหายใจ แต่ผลการศึกษานี้แสดงให้เห็นว่าการตรวจสอบการไอในเวลากลางคืนแบบพาสซีฟสามารถเสริมระบบเฝ้าระวังอื่น ๆ เพื่อให้สัญญาณระดับประชากรที่ทันต่อแนวโน้มโรคที่กำลังจะมาถึง โดยไม่ถูกรบกวนจากพฤติกรรมการขอรับการดูแลสุขภาพ เวลาการประมวลผลของห้องปฏิบัติการ การเติมข้อมูลย้อนหลังและความล่าช้าของการรายงาน” ศาสตราจารย์ Steven Riley เจ้าหน้าที่ข้อมูลอาวุโสของ UKHSA กล่าว

ข้อจำกัดที่ระบุและขั้นตอนต่อไป

ผู้เขียนระบุข้อจำกัดหลายประการ ประชากรผู้ใช้ของ Sleep Cycle มีแนวโน้มอายุน้อยกว่าและกระจุกตัวอยู่ในพื้นที่เมือง โดยเฉพาะลอนดอนและภาคใต้ของอังกฤษ การศึกษาได้ประเมินความสัมพันธ์เชิงเวลาแบบย้อนหลังแทนการทดสอบประสิทธิภาพการทำนายเชิงพยากรณ์ และผู้เขียนระบุว่าการแสดงให้เห็นถึงประโยชน์เชิงปฏิบัติจริงจะต้องผ่านการประเมินเชิงพยากรณ์ต่อฐานการพยากรณ์ในสภาพเวลาจริง ผลลัพธ์สำหรับเชื้อ RSV ยังไม่ชัดเจน ซึ่งผู้เขียนอธิบายว่าเป็นเพราะช่วงเวลาข้อมูลที่สั้นลงและความแตกต่างระหว่างประชากรผู้ใช้ของแอปกับกลุ่มที่ได้รับผลกระทบจากโรค RSV อย่างรุนแรง

preprint ระบุว่าการประเมินเชิงพยากรณ์ของกิจกรรมการไอในเวลากลางคืนภายในสภาพการเฝ้าระวังเชิงปฏิบัติ รวมถึงการบูรณาการเข้ากับแดชบอร์ดการเฝ้าระวังที่มีอยู่และการประเมินในฤดูกาลระบบหายใจในอนาคต เป็นขั้นตอนต่อไปของงานวิจัยนี้