– 西奈山的研究人员 授予 美国国立卫生研究院 (NIH) 国家心肺血液研究所 (NHLBI) 拨款 410 万美元，用于开发人工智能 (AI) 模型来预测阻塞性睡眠呼吸暂停的不良后果。
这种情况是由于睡眠期间呼吸不当和间歇性气流阻塞引起的。 估计的 影响美国近 3900 万成年人。 睡眠呼吸暂停会严重损害睡眠并导致高血压、糖尿病、 长新冠病毒和全因死亡率。
阻塞性睡眠呼吸暂停的诊断方法是 呼吸暂停低通气指数 (AHI)，一种工具，旨在计算呼吸暂停（患者在睡眠期间停止呼吸）和呼吸不足（睡眠期间气流减少的时期）的次数。 然后将呼吸暂停和呼吸不足的次数结合起来，以量化个体睡眠呼吸暂停的严重程度。
然而，AHI 是 有限的 并且不一定能准确预测患者的结果，导致临床医生呼吁开发改进的诊断和预后工具。
为此，西奈山的研究团队着手开发一种人工智能驱动的方法来评估阻塞性睡眠呼吸暂停患者出现不良后果的风险。 该方法着眼于该病症的基本生理学以及它所损害的一些睡眠功能（睡眠阶段、呼吸和氧气水平），以生成风险评分，帮助预测患者的短期和长期结果，例如白天过多嗜睡、神经认知障碍和心脑血管疾病。
研究人员开发了两种机器学习 (ML) 模型，通过提取通气、缺氧和唤醒变量的数据来预测患者的风险。 训练结束后，这些模型被用来确定 11,000 名睡眠呼吸暂停患者的不良结果风险。
这项分析的结果表明，其中一个模型可以准确预测呼吸暂停导致的困倦概率，准确度约为 87%，而使用 AHI 的模型可以预测相同指标，准确度仅为 54%。
在 4,700 名参与者的队列中，人工智能方法可以以超过 80% 的准确率预测心血管死亡率，而标准方法的准确率仅为 58%。
首席研究员、睡眠和昼夜节律分析 (SCAN) 小组主任 Ankit Parekh 博士表示：“我们的提案采用最先进的人工智能模型，利用常规睡眠研究的数据对睡眠呼吸暂停患者进行风险分析。”西奈山伊坎医学院医学助理教授（肺科、重症监护和睡眠医学）在新闻稿中说。
“我们的研究将评估人工智能方法在现实世界中的表现，并提供转化超越呼吸暂停-呼吸不足的指标所需的关键证据。 [index] 在临床实践中评估阻塞性睡眠呼吸暂停的严重程度。 实现这一目标将使我们准备好改变阻塞性睡眠呼吸暂停临床管理的范式，”Parekh 继续说道。
展望未来，研究小组的目标是在西奈山综合睡眠中心的一组患者中进一步评估该模型。 参与者将接受多导睡眠图睡眠研究，记录睡眠期间的脑电波、氧气水平、心率和呼吸数据。 然后，患者将受到监测，并要求在睡眠研究后三个月内保留数字睡眠日记。
随后将回顾性验证本研究的结果以进行进一步的统计分析。
这是探索数字健康工具如何改善睡眠呼吸暂停患者的治疗结果的最新研究。
去年，来自佐治亚理工学院（Georgia Tech）的一个研究团队 共享 他们开发了一种可穿戴设备，可以以 88.5% 的准确率检测病情。
该设备依赖于额头和下巴上安装的贴片，旨在为多导睡眠图测试提供潜在的替代方案，而多导睡眠图测试成本高昂且患者无法进行。
可穿戴传感器通过蓝牙传输记录大脑、眼睛和肌肉活动的信号，然后使用这些数据生成睡眠分数。 该设备的高精度表明，如果经过临床验证，它可能有助于检测睡眠呼吸暂停。
1707844128
#拨款 #万美元资助睡眠呼吸暂停结果预测工具的开发
2024-02-12 18:30:00
