O modelo de aprendizagem profundo novo permite a plataforma automática do sono com precisão alta

Um modelo de aprendizagem profundo novo desenvolvido por pesquisadores na universidade de Finlandia oriental pode identificar fases do sono tão exactamente quanto um médico experiente. Isto abre avenidas novas para os diagnósticos e o tratamento de desordens de sono, incluindo a apnéia do sono obstrutiva.

O modelo de aprendizagem profundo novo permite a plataforma automática do sono com precisão alta

A apnéia do sono obstrutiva (OSA) é uma desordem de respiração nocturno que cause uma carga principal em sistemas de saúde públicos e em economias nacionais. Calcula-se que até um bilhão povos no mundo inteiro sofrem da apnéia do sono obstrutiva, e o número é esperado crescer devido ao envelhecimento da população e à predominância aumentada da obesidade. Quando não tratado, OSA aumenta o risco de doenças cardiovasculares e de diabetes, entre outras conseqüências severas da saúde.

A identificação de fases do sono é essencial nos diagnósticos de desordens de sono, incluindo a apneia obstrutiva do sono. Tradicional, o sono é classificado manualmente em cinco fases, que são vigília, sono do movimento de olho (REM) rápido e três fases do não-REM dormem. Contudo, marcar manual de fases do sono é demorado, subjetivo e caro.

Para superar estes desafios, os pesquisadores na universidade de Finlandia oriental usaram dados polysomnographic da gravação dos indivíduos saudáveis e dos indivíduos com OSA suspeitado para desenvolver um modelo de aprendizagem profundo exacto para a classificação automática de fases do sono. Além, quiseram encontrar como a severidade de OSA afecta a precisão da classificação.

Em indivíduos saudáveis, o modelo podia identificar fases do sono com uma precisão 83,7% ao usar um único canal frontal da electroencefalografia (EEG), e com uma precisão 83,9% quando suplementado com o electroftalmoscópio (EOG). Nos pacientes com OSA suspeitado, o modelo conseguiu precisões de 82,9% (único canal do EEG) e de 83,8% (os canais do EEG e do EOG). As precisões do monocanal variaram de 84,5% para indivíduos sem o OSA a 76,5% para pacientes severos de OSA. As precisões conseguidas pelo modelo são equivalentes à correspondência entre os médicos experientes que executam marcar manual do sono. Contudo, o modelo tem o benefício de ser sistemático e sempre seguinte o mesmo protocolo, e de conduzir marcar numa questão de segundos.

De acordo com os pesquisadores, profundamente aprender permite a plataforma automática do sono para pacientes suspeitados de OSA com uma precisão alta. O estudo foi publicado no jornal de IEEE do Biomedical e da informática da saúde.

A tecnologia do sono e a analítica grupo, VEADO, na universidade de Finlandia oriental resolvem desafios dos diagnósticos do sono usando uma variedade de aproximações diferentes. Os métodos desenvolvidos pelo grupo são baseados nos sensores wearable, não-intrusivos, nos melhores parâmetros diagnósticos e nas soluções computacionais modernas que são baseados na inteligência artificial. Os métodos novos desenvolvidos pelo grupo são esperados melhorar significativamente a avaliação da severidade de OSA, promovem o planeamento de tratamento particularizado e uma previsão mais segura de sintomas e de comorbidities OSA-relacionados do dia

Source:
Journal reference:

Korkalainen, H., et al. (2019) Accurate Deep Learning-Based Sleep Staging in a Clinical Population with Suspected Obstructive Sleep Apnea. IEEE J Biomed Health Inform. doi.org/10.1109/JBHI.2019.2951346.