Il progetto
noze applica tecniche di machine learning all’analisi dei dati di polisonnografia e actigrafia — gli esami che monitorano il sonno attraverso segnali fisiologici (attività cerebrale, respirazione, movimenti oculari, attività muscolare) e il ciclo attività-riposo.
L’approccio tecnico
Il lavoro si concentra su:
- Analisi di serie temporali: elaborazione e classificazione di segnali fisiologici complessi acquisiti durante il sonno. Algoritmi di machine learning analizzano i pattern temporali per identificare le fasi del sonno e le anomalie
- Anticipazione e predizione del risveglio: modelli predittivi capaci di anticipare il momento del risveglio, con applicazioni nel miglioramento della qualità del sonno e nella gestione di disturbi correlati
- Percorso verso la certificazione EU medicale di livello I: il sistema viene progettato fin dall’inizio per soddisfare i requisiti normativi europei per i dispositivi medici
Verso una startup dedicata
Il lavoro sta confluendo nella creazione di una startup dedicata allo sviluppo e alla commercializzazione di soluzioni basate su intelligenza artificiale per l’analisi del sonno.
Il contesto
Questo percorso rappresenta la convergenza di due traiettorie di noze: l’expertise in machine learning maturata nel corso degli anni e l’interesse per il digital health. Il sonno diventa il dominio applicativo in cui queste competenze si traducono in un prodotto con potenziale di certificazione medica.