Die obstruktive Schlafapnoe (OSA), bei der die Atmung während des Schlafs unterbrochen wird, könnte bald mithilfe eines KI-gesteuerten Modells bequem von zu Hause aus erkannt werden.
Forscher der Seoul National University, der Seoul National University College of Medicine und der Columbia University, New York, ein Kamerasystem entwickelt um OSA anhand von Schlafaufzeichnungen zu diagnostizieren.
Traditionell wird die OSA-Diagnose mittels Polysomnographie (PSG) durchgeführt. Dies erfordert in der Regel einen Krankenhausaufenthalt über Nacht und das Anbringen von bis zu 20 Sensoren am Patienten.
Die Daten dieser Sensoren werden dann zum Apnoe-Hypopnoe-Index (AHI) zusammengefasst, der die Anzahl der Apnoen - Atemstillstände - pro Stunde misst, um den Schweregrad der Erkrankung zu ermitteln.
Die PSG ist nicht nur langsam und mühsam, sondern hat auch ihre Schwächen. Hyung-Sin Kim von der Seoul National University in Südkorea erklärte: "Viele Menschen sagen, dass sie während der PSG wegen der Unannehmlichkeiten nicht gut schlafen können. AEine genaue Prüfung erfordert die Beobachtung des natürlichen Schlafs über mehrere Nächte, um die Schwankungen von Nacht zu Nacht und den Effekt der ersten Nacht zu verringern, was bei der PSG in der Praxis nahezu unmöglich ist".
Um diese Probleme zu lösen, haben Kim und sein Team ein System eingeführt, bei dem eine Person, bei der der Verdacht auf OSA besteht, während des Schlafs mit einer Infrarotkamera beobachtet wird. Ihr KI-Tool, SlAction, kann dann anhand des Videos die Störung diagnostizieren.
Um die KI zu trainieren, verwendeten die Forscher Videomaterial von zahlreichen Personen, die jeweils etwa 6 Stunden lang waren und in drei Krankenhäusern aufgenommen wurden.
Anhand dieser Videos, die mit professionellen Diagnosen versehen waren, konnte die KI lernen, die visuellen Anzeichen von OSA zu erkennen, wie z. B. häufiges Aufwachen oder Keuchen. In den Auswertungen identifizierte das System OSA mit einer Trefferquote von 88%.
Wie die Studie funktionierte
- Einführung von SlAction: Eine Gruppe von Forschern hat "SlAction" entwickelt, ein innovatives System zur Erkennung von obstruktiver Schlafapnoe (OSA) bei Einzelpersonen. Es verwendet Infrarot-Videos zur nicht-invasiven Überwachung des Schlafverhaltens und bietet eine neue Perspektive für die OSA-Diagnose.
- Beschränkungen der Polysomnographie (PSG): Gegenwärtig wird OSA hauptsächlich mit Hilfe der Polysomnographie diagnostiziert, einer Methode, die eine Übernachtung in einem spezialisierten Krankenhaus erfordert, in dem dem Patienten mehrere Sensoren angelegt werden. Diese Methode ist anfällig für Ungenauigkeiten, vor allem aufgrund des "Erste-Nacht-Effekts", bei dem die ungewohnte Umgebung und die Unannehmlichkeiten der Sensoren das Schlafverhalten beeinflussen können.
- Schwerpunkt der Forschung: Die Hauptforschungsfrage des Teams war, ob sich die mit OSA verbundenen Atemvorgänge erkennbar in den menschlichen Bewegungen während des Schlafs widerspiegeln. Zur Beantwortung dieser Frage analysierten sie einen umfangreichen Schlafvideodatensatz von über 5 098 Stunden. Ihre Ergebnisse bestätigten, dass es tatsächlich bemerkenswerte Korrelationen zwischen Ereignissen, die auf OSA hindeuten, und kleineren menschlichen Bewegungen während des Schlafs gibt.
- Technischer Ansatz: SlAction ist so konzipiert, dass eine niedrige Bildrate (2,5 FPS) für die Aufnahme von Videos verwendet wird, wobei eine große Fenstergröße für die Schiebefensteranalyse eingesetzt wird. Dieser Ansatz stellt sicher, dass das System langsame, langfristige Bewegungen im Zusammenhang mit OSA erfasst. Ein bemerkenswertes Merkmal ist die lokale Verarbeitung aller Videoströme, wodurch die Privatsphäre des Einzelnen gewährleistet wird.
- Ergebnisse: Vorläufige Tests des SlAction-Systems ergaben einen F1-Wert von 87,6% bei der Erkennung von OSA in verschiedenen Umgebungen.
Die KI-gestützte OSA-Diagnose reiht sich in diesem Jahr in eine ganze Reihe anderer medizintechnischer Fortschritte ein, die von Wiederherstellung von Sprache und Bewegung bei Schlaganfall, neurodegenerativen Erkrankungen und Unfallopfern, Entwicklung neuer Medikamenteund Diagnose der Parkinson-Krankheit von Augenbildern.
