{"id":6051,"date":"2023-10-01T17:23:54","date_gmt":"2023-10-01T17:23:54","guid":{"rendered":"https:\/\/dailyai.com\/?p=6051"},"modified":"2023-10-01T17:24:41","modified_gmt":"2023-10-01T17:24:41","slug":"ai-uses-night-vision-camera-to-diagnose-sleep-apnoea-from-home","status":"publish","type":"post","link":"https:\/\/dailyai.com\/da\/2023\/10\/ai-uses-night-vision-camera-to-diagnose-sleep-apnoea-from-home\/","title":{"rendered":"AI bruger nattesynskamera til at diagnosticere s\u00f8vnapn\u00f8 hjemmefra"},"content":{"rendered":"

Obstruktiv s\u00f8vnapn\u00f8 (OSA), hvor vejrtr\u00e6kningen afbrydes under s\u00f8vnen, kan snart identificeres ved hj\u00e6lp af en AI-drevet model hjemmefra.<\/b><\/p>\n

Forskere fra Seoul National University, Seoul National University College of Medicine og Columbia University, New York, <\/span>udviklede et kamerasystem<\/span><\/a> at diagnosticere OSA ud fra s\u00f8vnoptagelser.\u00a0<\/span><\/p>\n

Traditionelt udf\u00f8res OSA-diagnose via polysomnografi (PSG). Det kr\u00e6ver typisk en overnatning p\u00e5 hospitalet og p\u00e5s\u00e6tning af op til 20 sensorer p\u00e5 patienten.\u00a0<\/span><\/p>\n

Data fra disse sensorer samles derefter i apn\u00f8-hypopn\u00f8-indekset (AHI), som m\u00e5ler antallet af apn\u00f8er - tilf\u00e6lde af vejrtr\u00e6kningsstop - pr. time for at vurdere tilstandens sv\u00e6rhedsgrad.<\/span><\/p>\n

Ud over at v\u00e6re langsom og besv\u00e6rlig har PSG ogs\u00e5 sine mangler. Som Hyung-Sin Kim fra Seoul National University i Sydkorea sagde: \"Mange mennesker siger, at de ikke kan sove godt under PSG p\u00e5 grund af ulemperne. A<\/span>n\u00f8jagtig testning kr\u00e6ver observation af naturlig s\u00f8vn over flere n\u00e6tter for at mindske s\u00f8vnvariationen fra nat til nat og effekten af den f\u00f8rste nat, hvilket n\u00e6sten er umuligt med PSG i praksis.\"<\/span><\/p>\n

For at l\u00f8se disse problemer introducerede Kim og hans team et system, hvor en person, der mist\u00e6nkes for OSA, observeres med et infrar\u00f8dt kamera under s\u00f8vnen. Deres AI-v\u00e6rkt\u00f8j, SlAction, kan derefter diagnosticere lidelsen ud fra videoen.\u00a0<\/span><\/p>\n

For at tr\u00e6ne den kunstige intelligens brugte forskerne videooptagelser af mange personer, hver p\u00e5 ca. 6 timer, indsamlet fra tre hospitaler.\u00a0<\/span><\/p>\n

Disse videoer, der var markeret med professionelle diagnoser, gjorde det muligt for AI'en at l\u00e6re at identificere OSA's visuelle tegn, s\u00e5som hyppige opv\u00e5gninger eller gisp. <\/span>I evalueringerne identificerede systemet OSA med en n\u00f8jagtighedsgrad p\u00e5 88%.<\/span><\/p>\n

S\u00e5dan fungerede unders\u00f8gelsen<\/span><\/h2>\n