Obstructieve slaapapneu (OSA), waarbij de ademhaling wordt onderbroken tijdens de slaap, kan binnenkort worden geïdentificeerd met behulp van een AI-gestuurd model vanuit de luie stoel.
Onderzoekers van de Seoul National University, Seoul National University College of Medicine en Columbia University, New York, een camerasysteem ontwikkeld OSA diagnosticeren aan de hand van slaapopnames.
Traditioneel wordt de diagnose OSA uitgevoerd via polysomnografie (PSG). Dit vereist meestal een nachtelijke ziekenhuisopname en het bevestigen van tot 20 sensoren op de patiënt.
De gegevens van deze sensoren worden vervolgens samengevoegd tot de apneu-hypopneu-index (AHI), die het aantal apneu's - momenten van ademstilstand - per uur meet om de ernst van de aandoening te beoordelen.
PSG is niet alleen traag en omslachtig, het heeft ook zijn tekortkomingen. Zoals Hyung-Sin Kim van de Seoul National University in Zuid-Korea zei: "Veel mensen zeggen dat ze niet goed kunnen slapen tijdens PSG vanwege het ongemak. ANauwkeurige tests vereisen observatie van de natuurlijke slaap gedurende meerdere nachten om de slaapvariabiliteit van nacht tot nacht en het effect van de eerste nacht te beperken, wat in de praktijk bijna onmogelijk is voor PSG."
Om deze problemen aan te pakken, introduceerden Kim en zijn team een systeem waarbij een persoon die verdacht wordt van OSA tijdens de slaap wordt geobserveerd met een infraroodcamera. Hun AI-tool, SlAction, kan vervolgens de diagnose stellen op basis van de video.
Om de AI te trainen, gebruikten de onderzoekers videobeelden van verschillende individuen, elk ongeveer 6 uur lang, verzameld in drie ziekenhuizen.
Dankzij deze video's, voorzien van professionele diagnoses, kon de AI de visuele tekenen van OSA leren herkennen, zoals vaak wakker worden of hijgen. In evaluaties identificeerde het systeem OSA met een nauwkeurigheid van 88%.
Hoe het onderzoek werkte
- Introductie van SlAction: Een groep onderzoekers ontwikkelde "SlAction", een innovatief systeem dat ontworpen is om obstructieve slaapapneu (OSA) bij mensen op te sporen. Het maakt gebruik van infraroodvideo's om slaappatronen op een niet-intrusieve manier te monitoren, wat een nieuw perspectief biedt op de diagnose van OSA.
- Beperkingen van polysomnografie (PSG): Op dit moment wordt OSA voornamelijk gediagnosticeerd met behulp van polysomnografie, een methode waarbij de patiënt een nacht in een gespecialiseerd ziekenhuis verblijft en meerdere sensoren krijgt. Deze methode is gevoelig voor onnauwkeurigheden, voornamelijk door het "eerste-nacht-effect", waarbij de onbekende omgeving en het ongemak van de sensoren de slaappatronen kunnen beïnvloeden.
- Focus op kernonderzoek: De primaire onderzoeksvraag van het team was of ademhalingsgebeurtenissen die geassocieerd worden met OSA duidelijk terug te zien zijn in menselijke bewegingen tijdens de slaap. Om deze vraag te kunnen beantwoorden, analyseerden ze een omvangrijke slaapvideo dataset van meer dan 5.098 uur. Hun bevindingen bevestigden dat er inderdaad opmerkelijke correlaties waren tussen gebeurtenissen die duiden op OSA en kleine menselijke bewegingen tijdens de slaap.
- Technische benadering: SlAction is ontworpen om een lage framerate (2,5 FPS) te gebruiken voor het vastleggen van video's, gebruikmakend van een grote venstergrootte voor 'sliding window'-analyse. Deze aanpak zorgt ervoor dat het systeem langzame, langdurige bewegingen vastlegt die gerelateerd zijn aan OSA. Een opvallend kenmerk is de lokale verwerking van alle videostromen, waardoor de privacy van individuen wordt gewaarborgd.
- Resultaten: Voorlopige tests van het SlAction-systeem wezen op een F1-score van 87,6% bij het detecteren van OSA in verschillende omgevingen.
De AI-ondersteunde OSA-diagnose voegt zich bij een hele reeks andere medische technologische ontwikkelingen dit jaar. herstellen van spraak en beweging beroerte, neurodegeneratieve aandoeningen, slachtoffers van ongevallen, ontwikkeling van nieuwe geneesmiddelenen diagnose van de ziekte van Parkinson van oogbeelden.
