La apnea obstructiva del sueño (AOS), en la que la respiración se interrumpe durante el sueño, pronto podrá identificarse mediante un modelo basado en IA desde la comodidad de la propia residencia.
Investigadores de la Universidad Nacional de Seúl, la Facultad de Medicina de la Universidad Nacional de Seúl y la Universidad de Columbia (Nueva York), desarrolló un sistema de cámaras para diagnosticar la AOS a partir de grabaciones del sueño.
Tradicionalmente, el diagnóstico de la AOS se realiza mediante polisomnografía (PSG). Para ello suele ser necesario pasar la noche en el hospital y colocar hasta 20 sensores al paciente.
Los datos de estos sensores se consolidan en el índice de apnea-hipopnea (IAH), que mide el número de apneas (interrupciones de la respiración) por hora para evaluar la gravedad del trastorno.
Además de ser lenta y engorrosa, la PSG tiene sus defectos. Como afirma Hyung-Sin Kim, de la Universidad Nacional de Seúl (Corea del Sur): "Muchas personas dicen que no pueden dormir bien durante la PSG debido a las molestias". Aas pruebas precisas requieren la observación de varias noches de sueño natural para mitigar la variabilidad del sueño de una noche a otra y el efecto de la primera noche, lo que es casi imposible para la PSG en la práctica".
Para resolver estos problemas, Kim y su equipo introdujeron un sistema en el que se observa a una persona sospechosa de padecer AOS con una cámara de infrarrojos mientras duerme. Su herramienta de IA, SlAction, puede diagnosticar el trastorno a partir del vídeo.
Para entrenar la IA, los investigadores utilizaron vídeos de numerosas personas, cada uno de aproximadamente 6 horas de duración, recogidos en tres hospitales.
Estos vídeos, marcados con diagnósticos profesionales, permitieron a la IA aprender a identificar los signos visuales de la AOS, como los despertares frecuentes o los jadeos. En las evaluaciones, el sistema identificó la AOS con una tasa de precisión de 88%.
Cómo funcionó el estudio
- Introducción de SlAction: Un grupo de investigadores ha desarrollado "SlAction", un innovador sistema diseñado para detectar la apnea obstructiva del sueño (AOS) en individuos. Utiliza vídeos infrarrojos para monitorizar de forma no intrusiva los patrones de sueño, lo que aporta una nueva perspectiva al diagnóstico de la AOS.
- Limitaciones de la polisomnografía (PSG): En la actualidad, la AOS se diagnostica principalmente mediante polisomnografía, un método que implica pasar una noche en un hospital especializado con múltiples sensores conectados al paciente. Este método es propenso a imprecisiones, principalmente debido al "efecto de la primera noche", en el que el entorno desconocido y la incomodidad de los sensores pueden afectar a los patrones de sueño.
- Investigación básica: La pregunta principal del equipo de investigación era si los eventos respiratorios asociados a la AOS se reflejan de forma perceptible en los movimientos humanos durante el sueño. Para responderla, analizaron un importante conjunto de datos de vídeos de más de 5.098 horas de sueño. Sus hallazgos confirmaron que, efectivamente, existían correlaciones notables entre los eventos indicativos de la AOS y los movimientos humanos menores durante el sueño.
- Enfoque técnico: SlAction está diseñado para utilizar una frecuencia de imagen baja (2,5 FPS) para la captura de vídeos, empleando un tamaño de ventana grande para el análisis de ventana deslizante. Este enfoque garantiza que el sistema capte los movimientos lentos y prolongados relacionados con la AOS. Una característica notable es el procesamiento local de todas las secuencias de vídeo, lo que garantiza la privacidad de los individuos.
- Resultados: Las pruebas preliminares del sistema SlAction sugieren una puntuación F1 de 87,6% en la detección de AOS en diferentes entornos.
El diagnóstico de la AOS con ayuda de la IA se suma a otros avances tecnológicos médicos de este año, que abarcan desde recuperar el habla y el movimiento a derrames cerebrales, enfermedades neurodegenerativas, víctimas de accidentes, desarrollo de nuevos medicamentosy diagnóstico de la enfermedad de Parkinson a partir de imágenes oculares.
