Upptäcka isolerad REM-sömnbeteendestörning hemma med en bärbar sensor på nedre delen av ryggen

Varför konstiga drömmar kan varna för hjärnsjukdom

Vissa människor agerar ut sina drömmar—sparkar, skriker eller far omkring i sömnen—utan att vara medvetna om det. Detta tillstånd, kallat REM-sömnbeteendestörning, är en av de starkaste tidiga varningssignalerna för att sjukdomar som Parkinsons kan utvecklas flera år senare. Idag kräver bekräftelse av diagnosen vanligen en natt på ett sjukhusets sömnlaboratorium uppkopplad till maskiner. Denna studie ställer en enkel fråga med stora konsekvenser: skulle en liten sensor tejpad på nedre delen av ryggen hemma kunna upptäcka samma varningssignaler över flera nätter?

En tyst störning med allvarliga följder

Isolerad REM-sömnbeteendestörning (iRBD) uppstår när kroppen förlorar sin vanliga muskel‑”avstängning” under drömsömn. Istället för att förbli stilla kan personer slåss omkring och agera ut sina drömmar. Över 80 procent av dem som får diagnosen utvecklar så småningom Parkinsons sjukdom eller närliggande hjärnsjukdomar, ofta tio år eller mer senare. Att upptäcka iRBD tidigt skulle kunna öppna ett fönster för övervakning och, en dag, för behandlingar som bromsar eller förhindrar sjukdomen—men dagens guldkantade test, heldygns video‑polysomnografi, är dyrt, sällsynt och fångar bara en natt som kanske inte speglar en persons vanliga sömn.

Ta sömntestningen hem

Forskarna rekryterade 73 medelålders och äldre vuxna, 15 med bekräftad iRBD och 58 utan. Alla tillbringade först en natt i ett sömnlabb, uppkopplade till sedvanlig utrustning samtidigt som de bar en lätt rörelsesensor tejpad över nedre delen av ryggraden. Sedan bar de samma sensor hemma i upp till sex ytterligare nätter. Enheten registrerade hur bålen rörde sig i tre riktningar under hela natten. Från dessa inspelningar beräknade teamet mer än hundra enkla rörelseegenskaper, till exempel hur länge en person förblev stilla och hur ofta korta ryck uppträdde under natten och under de timmar då drömsömn är vanligast.

Mönster gömda i nattlig rörelse

Med hjälp av dessa egenskaper tränade forskarna flera typer av maskininlärningsmodeller för att skilja personer med och utan iRBD åt. De undvek noggrant att ”tjuvtitta” på testpersonerna genom att bygga om modellen från grunden varje gång de höll en person utanför för utvärdering. Två rörelsemått framträdde tydligt: långa perioder av orörlighet och korta twitch‑lika utbrott. Jämfört med kontrollpersoner tenderade dem med iRBD att uppvisa färre långa, tysta perioder och mer utspridd twitch‑aktivitet, och dessa mönster varierade starkt från natt till natt. Intressant nog visade analysen av alla rörelseegenskaper tillsammans att den största skillnaden inte var mellan personer med och utan iRBD, utan mellan nätter i labbet och nätter hemma—ett bevis för att den ovanliga labbmiljön förändrar hur människor rör sig i sömnen.

Flera nätter förbättrar upptäckten

Den bäst presterande modellen, en supportvektormaskin, var särskilt bra på känslighet—att korrekt flagga dem som verkligen hade iRBD. När den tränades på data från hemnätterna identifierade den cirka 93 procent av deltagarna med iRBD samtidigt som den bibehöll måttlig specificitet och korrekt avfärdade ungefär 72 procent av dem utan störningen. Viktigt är att prestandan förbättrades när fler nätter lades till: känsligheten steg och planade ut efter cirka fem hemnätter, vilket speglar verkligheten att drömutlevande beteenden inte uppträder varje natt. Vissa av dem som algoritmen klassade som ”möjlig iRBD” visade sig faktiskt ha andra sömnproblem eller mildare varningssignaler som också ökar nattlig rörelse och som i sig kan vara kopplade till framtida hjärnsjukdom.

Vad detta kan innebära för patienter

Denna studie antyder att en enda, liten sensor som bärs på nedre delen av ryggen hemma under flera nätter kan fånga meningsfulla tecken på en farlig sömnstörning. Metoden är inte tillräckligt exakt för att ersätta fullständiga sömnlabbstudier, men dess höga känslighet gör den lovande som ett tidigt screeningsverktyg: den skulle kunna användas brett i stora grupper för att identifiera personer som bör gå vidare till mer detaljerade tester. Allteftersom digitala hälsoprodukter blir vanligare kan kombinationen av hem‑baserad rörelsekartläggning och andra enkla mått, till exempel frågeformulär eller hjärnvågsinspelningar, en dag låta läkare övervaka både sömn och rörelse kontinuerligt i verkliga livet och fånga tidiga tecken på neurodegenerativ sjukdom långt innan symtom uppträder.

Citering: Tzfoni, T., Tauman, R., Hausdorff, J.M. et al. Detecting isolated REM sleep behavior disorder at home using a lower-back wearable sensor. npj Digit. Med. 9, 210 (2026). https://doi.org/10.1038/s41746-026-02412-z

Nyckelord: REM-sömnbeteendestörning, bärbara sensorer, hemövervakning av sömn, risk för Parkinsons sjukdom, digital hälsoscreening