西奈山团队创建 AI 算法来检测睡眠障碍

快速阅读: 据《医疗保健 IT 新闻》称，快速眼动睡眠行为紊乱（RBD）常是帕金森病或痴呆的早期征兆。西奈山研究团队开发新方法，利用实验室睡眠测试中的二维红外摄像头视频记录自动化诊断RBD，准确率达91.9%，改进了现有诊断框架。

快速眼动睡眠行为紊乱，简称RBD，是一种在睡眠期间导致异常动作或短暂重复抽搐的病症，并伴有偶尔的梦中行为再现。挑战

RBD影响超过百万名美国人，几乎总是帕金森病或痴呆的早期征兆，通常比其他症状提前十年到十五年出现。这意味着它为开发针对帕金森病或痴呆的疗法提供了前所未有的机会，并最终帮助识别出那些可以从早期预防治疗中受益的人群。然而，RBD一直难以诊断。

“一个简单的筛查问题——人们是否在梦中表现出来——敏感度较低，因为许多患有RBD的人很少有完整的梦中行为再现发作，而只有小幅度的抽搐，他们自己或伴侣可能没有注意到，”西奈山临床医生埃马纽埃尔·迪尤尔博士解释道。

迪尤尔是伊坎医学院的神经学副教授，在那里他于西奈整合睡眠中心看诊病人，并专注于运动和睡眠障碍以及肺医学和重症监护。

西奈山健康系统是纽约大都会地区最大的学术医疗系统之一，拥有48,000名员工，在八家医院、400多家门诊诊所、600多个研究和临床实验室、一所护理学校以及一所领先的医学院和研究生教育机构工作。

“一个简单的筛查问题也特异度不高，因为更常见的状况——如睡眠呼吸暂停或睡眠期间的一种不安腿综合征——可以引起模仿RBD的梦中行为再现症状，”迪尤尔继续说道。“RBD问卷缺乏准确性。”

诊断RBD的标准测试是在睡眠中心进行的实验室睡眠测试，也称为多导睡眠图，使用肌肉传感器（在RBD中肌肉活动增加）或肌电图来测量REM睡眠期间的肌肉活动。

但是，使用这种实验室睡眠测试诊断RBD非常困难，因为它很难解释并且容易受到干扰，以至于即使是睡眠专家也可能对诊断产生分歧。

“值得注意的是，虽然摄像机记录了睡眠期间的任何动作，但目前解读测试的标准并不考虑这些视频数据，而且目前没有自动工具可以解读视频数据，”迪尤尔指出。

“事实上，在大多数睡眠中心，睡眠测试后的录像数据通常会被丢弃，仅保留收集到的其他数据——脑电图、呼吸信号、心电图等，”他补充道。

此外，他说，除非接受睡眠测试的人被其睡眠专家特别怀疑患有RBD——基于梦中行为再现的历史记录——否则很容易错过诊断，因为在99%的情况下，测试是为了评估睡眠呼吸暂停，这不需要评估肌肉活动，“他补充道。

这导致遗漏了RBD的“偶然病例”，根据研究，这种情况至少发生在成人的1%中。为了应对这一需求，西奈山研究团队开发了一种方法，通过分析实验室睡眠测试期间的视频记录来自动化诊断RBD。

此前，奥地利有一组研究人员已开展类似工作，但他们使用的是一项特定的研究级三维摄像头，需要添加到标准睡眠测试硬件中。

“在我们之前，没有任何研究测试过常规临床睡眠实验室使用的二维红外摄像头收集的视频数据，”迪尤尔说。

迎接挑战

“我们组建了一个大型数据集——比之前的研究更大——包括81份RBD患者的睡眠研究记录（‘病例’）和91份没有RBD的患者记录（‘对照组’），其中包括63名患有各种其他睡眠障碍的患者和28名健康睡眠者，”迪尤尔解释说。

光学流计算机视觉算法自动检测REM睡眠期间的动作，从中提取了速率（频率）、比例（REM睡眠中显示动作的时间比例）、动作的幅度和速度以及不活动的比例（REM睡眠中动作分布模式的衡量标准）等特征。从这五个特征中，训练了一个机器学习分类器来区分RBD与其他睡眠条件和正常睡眠。

“我们还感兴趣的是测试由此产生的分类器在检测实际患有RBD但根据睡眠专家人工查看视频记录时未报告移动的患者中的准确性，”迪尤尔回忆道。“总共发现了11名患有RBD但没有明显动作的患者，以及71名有明显动作的RBD患者。”

结果

西奈山团队发现，正如预期的那样，RBD患者在REM睡眠期间表现出更多的动作，尤其是短于两秒的短暂动作，包括被称为肌阵挛的抽搐或颤抖。检测RBD的准确性范围从只使用两个特征的84.9%到使用五个特征的87.2%。

结合所有五个特征但只分析短于两秒的动作，达到了最高的准确率91.9%。

在11名在睡眠测试中没有明显动作的RBD患者中，根据西奈山算法，有七人被正确识别，即被检测为患有RBD。

对其他人的建议

“这是第一项表明简单算法分析在常规临床护理下进行的睡眠测试期间获得的二维红外摄像头视频记录可以诊断RBD，并且具有91.9%的高准确率的研究，”迪尤尔指出。“这项工作通过使用常规在睡眠实验室中使用的二维红外摄像头并添加三个特征来改进了先前的框架。”

“这种方法可以在临床睡眠实验室中实施，以促进和改善RBD的诊断，”他总结道。“结合对REM睡眠的自动识别，还应该利用传统红外摄像头在家用环境下测试，以检测和监测RBD。”

关注比尔在LinkedIn上的HIT报道：

比尔·西维基

给他发邮件：bsiwicki@himss.org

《健康信息技术新闻》是由HIMSS Media出版的一份刊物。

现在观看：西雅图儿童医院首席AI官谈论通过技术实现更好的结果

(以上内容均由Ai生成)

你可能还想读