As societies advanced, more people suffer from insomnia. In 2014, the US Centers for Disease Control and Prevention declared that sleep disorders should be dealt with as a public health epidemic. However, it is hard to provide adequate treatment for each insomnia sufferer, since various behavioral characteristics influence symptoms of insomnia collectively. This work is composed of three sub-studies, which are clustering insomnia sufferers based on their latent traits extracted from behavior and sleep patterns, predicting sleep efficiency based on the past behavior and sleep information, and designing a mobile intervention to provide a more tailored way of intervention contents to insomnia sufferers, respectively. From the first study, Our method identified 5 new insomnia-activity clusters of participants that conventional methods have not recognized, and significant differences in sleep and behavioral characteristics were shown among groups. From the second study, we predicted the sleep efficiency of individual users with a proposed interpretable LSTM-Attention (LA Block) neural network model. From the third study, we built an application-based cognitive-behavioral treatment for insomnia (CBT-i) intervention named "Sleeps" that aims to alleviate insomnia symptoms in people's daily lives. Our research suggests that a neural network-based computational approach allows health practitioners to devise precise and tailored interventions at the level of data-guided user clusters and predictions on sleep quality (i.e., precision psychiatry), which could be a novel solution to treating insomnia and other mental disorders.
사회가 발전함에 따라 더 많은 사람들이 불면증으로 고통 받고 있다. 2014년 미국 질병 통제 예방 센터(CDC)는 수면 장애가 공중 보건 전염병으로 취급되어야한다고 선언한 바 있다. 하지만 다양한 행동 특성이 불면증상에 전체적으로 영향을 미치기 때문에, 각 불면증 환자에게 적절한 치료를 제공하기가 어려운 것이 현실이다. 이 연구는 세 가지 하위 연구로 구성되어 있는데, 이는 각각 행동과 수면 패턴에서 신경망을 통해 추출한 은닉 특성을 바탕으로 불면증 환자를 군집화하는 연구, 과거 행동과 수면 정보를 기반으로 수면 효율을 예측하는 연구, 모바일 중재 앱을 설계하여 불면증 환자에게 보다 개인 맞춤형 중재 콘텐츠를 제공하는 방법 연구이다. 첫 번째 연구에서, 우리의 방법은 새로운 불면증 활동군 5개를 확인했으며 각 군별 수면 및 행동 특성이 유의미하게 차이남을 보였다. 두 번째 연구에서는 제안된 해석 가능한 LSTM-Attention Block 신경망 모델을 개발해 개별 환자의 수면 효율을 성공적으로 예측하였다. 세 번째 연구에서는, 사람들의 일상 생활에서 불면증상을 완화시키는 것을 목표로 하는 Sleeps라는 불면증상 인지행동치료(CBT-i) 모바일 앱 및 제반 시스템을 구축하였다. 이 연구는 데이터에서 추출된 환자군 및 수면의 질 예측과 같은 신경망 기반의 계산학적 접근법(즉, 정밀 정신건강의학)이 건강 혹은 의료 전문가가 보다 정확한 맞춤형 중재법을 고안하는데 도움을 줄 수 있다고 제안하고 있으며, 이러한 방법론은 불면증 및 다른 정신장애 치료에도 새로운 해결책이 될 수 있을 것이다.
