Tato stránka byla automaticky přeložena a přesnost překladu není zaručena. Podívejte se prosím na anglická verze pro zdrojový text.

Development and Validation of a Multimodal Deep Learning Model Using Peripheral Oxygen Saturation and Ballistocardiography Signals for Predicting Apnea-Hypopnea Index in Obstructive Sleep Apnea

3. listopadu 2026 aktualizováno: Ke-Yun, Chao, Fu Jen Catholic University

A Prospective Observational Study to Develop and Validate a Multimodal Deep Learning Model Integrating Peripheral Oxygen Saturation and Ballistocardiography Signals for the Prediction of Apnea-Hypopnea Index in Patients With Suspected Obstructive Sleep Apnea

Obstructive sleep apnea (OSA) is a common sleep disorder associated with cardiovascular, metabolic, and neurocognitive complications. The standard diagnostic test for OSA is in-laboratory polysomnography (PSG), which can be costly, labor-intensive, and inconvenient for repeated or large-scale screening. Therefore, there is a need for a convenient and non-invasive method to help identify individuals who may be at risk for OSA.

This prospective observational study aims to develop and clinically validate a multimodal deep learning model that integrates peripheral oxygen saturation (SpO₂) signals and ballistocardiography (BCG) data collected using a smart mattress system to estimate the apnea-hypopnea index (AHI). Adult participants undergoing routine overnight PSG for suspected OSA will be enrolled. During sleep, synchronized SpO₂ and BCG signals will be recorded non-invasively.

The performance of the deep learning model will be evaluated by comparing the predicted AHI values with AHI values derived from PSG. This study seeks to evaluate whether this practical, non-invasive, and scalable approach may support early identification of OSA risk and improve access to sleep disorder assessment in both clinical and home-based settings.

Přehled studie

Postavení

Nábor

Podmínky

Detailní popis

This is a prospective observational cohort study designed to develop and validate a multimodal deep learning-based model for estimating obstructive sleep apnea (OSA) severity. Adult participants with suspected OSA who are scheduled to undergo overnight in-laboratory polysomnography (PSG) will be recruited at Fu Jen Catholic University Hospital.

During the PSG examination, participants will simultaneously undergo non-invasive physiological signal acquisition using a smart mattress system equipped with ballistocardiography (BCG) sensors, along with continuous peripheral oxygen saturation (SpO₂) monitoring. These signals will be time-synchronized with PSG recordings. No experimental intervention or alteration to standard clinical care will be performed.

Multimodal deep learning algorithms incorporating convolutional neural networks and sequence-based architectures will be developed to analyze SpO₂ and BCG signals and to estimate the apnea-hypopnea index (AHI). Model performance will be assessed by comparing predicted AHI values with PSG-derived AHI using predefined statistical metrics.

The primary objective is to evaluate the accuracy of AHI prediction using the proposed multimodal model. Secondary objectives include assessment of model discrimination for OSA severity classification and exploratory analyses of physiological signal features associated with sleep-disordered breathing. All analyses will be conducted using de-identified data. This study does not involve U.S. FDA-regulated drugs or devices and is not conducted under an investigational new drug application or investigational device exemption.

Typ studie

Pozorovací

Zápis (Odhadovaný)

100

Kontakty a umístění

Tato část poskytuje kontaktní údaje pro ty, kteří studii provádějí, a informace o tom, kde se tato studie provádí.

Studijní kontakt

Studijní místa

    • New Taipei City
      • New Taipei City, New Taipei City, Tchaj-wan, 24352
        • Nábor
        • Fu Jen Catholic University Hospital
        • Kontakt:
          • Clinical Research Coordinator
          • Telefonní číslo: +886-2-2905-2000
          • E-mail: Ck_qq@hotmail.com

Kritéria účasti

Výzkumníci hledají lidi, kteří odpovídají určitému popisu, kterému se říká kritéria způsobilosti. Některé příklady těchto kritérií jsou celkový zdravotní stav osoby nebo předchozí léčba.

Kritéria způsobilosti

Věk způsobilý ke studiu

20 let a starší (Dospělý, Starší dospělý)

Přijímá zdravé dobrovolníky

Ano

Pohlaví způsobilá ke studiu

Všechno

Metoda odběru vzorků

Vzorek nepravděpodobnosti

Studijní populace

Adult individuals aged 20 years or older who are referred to Fu Jen Catholic University Hospital for in-laboratory polysomnography due to suspected obstructive sleep apnea will be invited to participate. The study population includes participants with a wide range of apnea-hypopnea index values, including individuals without obstructive sleep apnea based on polysomnography results.

Popis

Inclusion Criteria:

  • Adults aged 20 years or older.
  • Individuals referred for in-laboratory polysomnography due to suspected obstructive sleep apnea.
  • Able and willing to provide informed consent.

Exclusion Criteria:

  • Inability to provide informed consent.
  • Presence of conditions that may interfere with sleep signal acquisition, as determined by the investigator.
  • Prior diagnosis of sleep disorders other than obstructive sleep apnea that could confound study results.

Studijní plán

Tato část poskytuje podrobnosti o studijním plánu, včetně toho, jak je studie navržena a co studie měří.

Jak je studie koncipována?

Detaily designu

  • Observační modely: COHORT
  • Časové perspektivy: PROSPECTIVE

Kohorty a intervence

Skupina / kohorta
Adults With Suspected Obstructive Sleep Apnea

This cohort includes adult participants with suspected obstructive sleep apnea who are scheduled to undergo overnight in-laboratory polysomnography. All participants will receive standard clinical polysomnography while simultaneously undergoing non-invasive physiological signal acquisition using a smart mattress system and peripheral oxygen saturation monitoring. No experimental intervention or treatment assignment is performed.

Co je měření studie?

Primární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Mean absolute error of apnea-hypopnea index estimation
Časové okno: Two overnight assessments per participant: one in-laboratory polysomnography night and one subsequent home sleep monitoring night.

Mean absolute error (MAE) will be calculated as the average absolute difference between the apnea-hypopnea index (AHI) predicted by the multimodal deep learning model using peripheral oxygen saturation (SpO2) and ballistocardiography (BCG) signals collected during home sleep monitoring and the AHI measured by in-laboratory polysomnography (PSG). The analysis will include participants with evaluable paired PSG and home monitoring data. MAE will be reported in events per hour, with lower values indicating better predictive performance.

Two overnight assessments per participant: one in-laboratory polysomnography night and one subsequent home sleep monitoring night.

Spolupracovníci a vyšetřovatelé

Zde najdete lidi a organizace zapojené do této studie.

Sponzor

Spolupracovníci

Termíny studijních záznamů

Tato data sledují průběh záznamů studie a předkládání souhrnných výsledků na ClinicalTrials.gov. Záznamy ze studií a hlášené výsledky jsou před zveřejněním na veřejné webové stránce přezkoumány Národní lékařskou knihovnou (NLM), aby se ujistily, že splňují specifické standardy kontroly kvality.

Hlavní termíny studia

Začátek studia (Aktuální)

1. března 2026

Primární dokončení (Odhadovaný)

30. června 2028

Dokončení studie (Odhadovaný)

30. června 2028

Termíny zápisu do studia

První předloženo

9. února 2026

První předloženo, které splnilo kritéria kontroly kvality

3. listopadu 2026

První zveřejněno (Aktuální)

6. listopadu 2026

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (Aktuální)

6. listopadu 2026

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

3. listopadu 2026

Naposledy ověřeno

1. března 2026

Více informací

Termíny související s touto studií

Další identifikační čísla studie

  • FJUH115580

Plán pro data jednotlivých účastníků (IPD)

Plánujete sdílet data jednotlivých účastníků (IPD)?

NE

Popis plánu IPD

Individual participant data will not be shared publicly.

Informace o lécích a zařízeních, studijní dokumenty

Studuje lékový produkt regulovaný americkým FDA

Ne

Studuje produkt zařízení regulovaný americkým úřadem FDA

Ne

Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .