A apneia obstrutiva do sono (AOS), em que a respiração é interrompida durante o sono, poderá em breve ser identificada através de um modelo baseado em IA, a partir do conforto de uma residência.
Investigadores da Universidade Nacional de Seul, da Faculdade de Medicina da Universidade Nacional de Seul e da Universidade de Columbia, Nova Iorque, desenvolveu um sistema de câmaras para diagnosticar a AOS a partir de registos de sono.
Tradicionalmente, o diagnóstico da AOS é efectuado através de polissonografia (PSG). Normalmente, este procedimento requer um internamento no hospital durante a noite e a colocação de até 20 sensores no doente.
Os dados destes sensores são depois consolidados no índice de apneia-hipopneia (IAH), que mede o número de apneias - instâncias de paragem da respiração - por hora para avaliar a gravidade da doença.
Para além de ser lenta e incómoda, a PSG tem os seus defeitos. Como afirmou Hyung-Sin Kim, da Universidade Nacional de Seul, na Coreia do Sul: "Muitas pessoas dizem que não conseguem dormir bem durante a PSG devido ao incómodo. AO teste exato requer a observação de várias noites de sono natural para atenuar a variabilidade do sono de noite para noite e o efeito da primeira noite, o que é praticamente impossível para a PSG na prática.
Para resolver estas questões, Kim e a sua equipa introduziram um sistema em que um indivíduo suspeito de sofrer de AOS é observado com uma câmara de infravermelhos durante o sono. A sua ferramenta de IA, SlAction, pode então diagnosticar a doença a partir do vídeo.
Para treinar a IA, os investigadores utilizaram imagens de vídeo de vários indivíduos, cada uma com cerca de 6 horas de duração, recolhidas em três hospitais.
Estes vídeos, marcados com diagnósticos profissionais, permitiram que a IA aprendesse a identificar os sinais visuais da AOS, tais como despertares frequentes ou respiração ofegante. Nas avaliações, o sistema identificou a AOS com uma taxa de precisão de 88%.
Como funcionou o estudo
- Introdução do SlAction: Um grupo de investigadores desenvolveu o "SlAction", um sistema inovador concebido para detetar a Apneia Obstrutiva do Sono (AOS) em indivíduos. Este sistema utiliza vídeos de infravermelhos para monitorizar de forma não intrusiva os padrões de sono, proporcionando uma nova perspetiva no diagnóstico da AOS.
- Limitações da Polissonografia (PSG): Atualmente, a AOS é predominantemente diagnosticada através da Polissonografia, um método que envolve uma estadia de uma noite num hospital especializado com vários sensores ligados ao doente. Este método é propenso a imprecisões, principalmente devido ao "efeito da primeira noite", em que o ambiente desconhecido e o desconforto dos sensores podem afetar os padrões de sono.
- Foco principal da investigação: A principal questão de investigação da equipa era saber se os eventos respiratórios associados à AOS se reflectem de forma discernível nos movimentos humanos durante o sono. Para responder a esta questão, a equipa analisou um conjunto substancial de dados de vídeo do sono, com mais de 5098 horas. As suas descobertas confirmaram que havia de facto correlações notáveis entre eventos indicativos de AOS e movimentos humanos menores durante o sono.
- Abordagem técnica: O SlAction foi concebido para utilizar uma taxa de fotogramas baixa (2,5 FPS) para a captura de vídeos, empregando um tamanho de janela grande para a análise de janelas deslizantes. Esta abordagem garante que o sistema capta os movimentos lentos e de longo prazo relacionados com a AOS. Uma caraterística notável é o processamento local de todos os fluxos de vídeo, garantindo a privacidade dos indivíduos.
- Resultados: Os testes preliminares do sistema SlAction sugeriram uma pontuação F1 de 87,6% na deteção da AOS em diferentes ambientes.
O diagnóstico da AOS apoiado por IA junta-se a uma série de outros avanços tecnológicos médicos este ano, abrangendo tudo, desde restabelecer a fala e o movimento a acidentes vasculares cerebrais, doenças neurodegenerativas, vítimas de acidentes, desenvolvimento de novos medicamentose diagnóstico da doença de Parkinson a partir de imagens oculares.
