{"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\/sv\/2023\/10\/ai-uses-night-vision-camera-to-diagnose-sleep-apnoea-from-home\/","title":{"rendered":"AI anv\u00e4nder m\u00f6rkerseende kamera f\u00f6r att diagnostisera s\u00f6mnapn\u00e9 fr\u00e5n hemmet"},"content":{"rendered":"

Obstruktiv s\u00f6mnapn\u00e9 (OSA), som inneb\u00e4r att andningen avbryts under s\u00f6mnen, kan snart identifieras med hj\u00e4lp av en AI-driven modell fr\u00e5n hemmets lugna vr\u00e5.<\/b><\/p>\n

Forskare fr\u00e5n Seoul National University, Seoul National University College of Medicine och Columbia University, New York, <\/span>utvecklat ett kamerasystem<\/span><\/a> f\u00f6r att diagnostisera OSA fr\u00e5n s\u00f6mnregistreringar.\u00a0<\/span><\/p>\n

Traditionellt utf\u00f6rs OSA-diagnostik med hj\u00e4lp av polysomnografi (PSG). Detta kr\u00e4ver vanligtvis sjukhusvistelse \u00f6ver natten och att upp till 20 sensorer f\u00e4sts p\u00e5 patienten.\u00a0<\/span><\/p>\n

Data fr\u00e5n dessa sensorer sammanst\u00e4lls sedan till ett apn\u00e9-hypopn\u00e9-index (AHI), som m\u00e4ter antalet apn\u00e9er - andningsuppeh\u00e5ll - per timme f\u00f6r att bed\u00f6ma tillst\u00e5ndets sv\u00e5righetsgrad.<\/span><\/p>\n

F\u00f6rutom att vara l\u00e5ngsam och besv\u00e4rlig har PSG sina brister. Som Hyung-Sin Kim fr\u00e5n Seoul National University i Sydkorea konstaterade: \"M\u00e5nga s\u00e4ger att de inte kan sova gott under PSG p\u00e5 grund av besv\u00e4ret. A<\/span>ccurate-testning kr\u00e4ver observation av naturlig s\u00f6mn under flera n\u00e4tter f\u00f6r att minska s\u00f6mnvariationen fr\u00e5n natt till natt och effekten av den f\u00f6rsta natten, vilket \u00e4r n\u00e4stan om\u00f6jligt med PSG i praktiken.\"<\/span><\/p>\n

F\u00f6r att l\u00f6sa dessa problem introducerade Kim och hans team ett system d\u00e4r en individ som misst\u00e4nks ha OSA observeras med en infrar\u00f6d kamera under s\u00f6mnen. Deras AI-verktyg, SlAction, kan sedan diagnostisera st\u00f6rningen fr\u00e5n videon.\u00a0<\/span><\/p>\n

F\u00f6r att tr\u00e4na AI:n anv\u00e4nde forskarna videofilmer av ett stort antal personer, var och en cirka 6 timmar l\u00e5ng, som samlats in fr\u00e5n tre sjukhus.\u00a0<\/span><\/p>\n

Dessa videor, som var m\u00e4rkta med professionella diagnoser, gjorde det m\u00f6jligt f\u00f6r AI att l\u00e4ra sig att identifiera OSA:s visuella tecken, som t.ex. frekventa uppvaknanden eller fl\u00e4mtningar. <\/span>Vid utv\u00e4rderingarna identifierade systemet OSA med en tr\u00e4ffs\u00e4kerhet p\u00e5 88%.<\/span><\/p>\n

Hur studien fungerade<\/span><\/h2>\n