Et multisignalbaseret overvågningssystem for CNS-hypersomnier

Overdreven søvnighed i dagtimerne (EDS) er et almindeligt symptom i den generelle befolkning. Prævalensen varierer fra 5 % til 30 %. Og døsighed i dagtimerne medfører ofte negative virkninger, og selv den daglige funktion og livskvalitet er forringet på grund af disse hypersomnier. I nogle alvorlige tilfælde kan der ske mange ulykker og bringe liv i fare. Den nuværende tredje udgave af International Classification of Sleep Disorders (ICSD 3) klassificerede specifikt "Centralnervesystemets forstyrrelser af hypersomnolens" som narkolepsi type 1 og type 2; idiopatisk hypersomni (IH) og Kleine-Levin syndrom (KLS). Men indtil videre, bortset fra narkolepsi type 1, som har en relativt klar patologisk mekanisme, der er relateret til den reducerede sekretion af hypocretin, andre hypersomnilidelser såsom narkolepsi type 2, IH og KLS, er det ingen klar neurofysiologisk diagnosestandard, og mekanismen for disse sygdomme er stadig ikke klar. Derfor kan diagnosen kun stole på de kliniske symptomer og de kliniske erfaringer læger. Derfor har diagnosticeringen af ​​disse sygdomme stadig store vanskeligheder og udfordringer. Derfor, for at gøre diagnosen mere præcis, skal efterforskerne finde ud af de "biologiske og neurofysiologiske biomarkører" for disse sygdomme. Og lad patienterne hurtigt få den korrekte behandling.

Formålet med denne undersøgelse er som følger:

1. Hovedformålet er at bruge Multi-Signal Based Monitoring System til at linke til hjernebilleddata og udføre krydssammenligning for at finde ud af mulige patologiske mekanismer af disse CNS hypersomnier.
2. Brug det multisignalbaserede overvågningssystem til at linke til hjernebilleddata og udføre krydssammenligning for yderligere at screene disse klinisk signifikante biomarkører for CNS-hypersomnier og finde ideelle og nøjagtige fysiologiske biomarkører, der kan overvåge sygdomsforløbet.
3. Brug disse præcist overvågede biomarkører til at spore ændringer i biomarkørerne og det langsigtede forløb af disse CNS-hypersomnier, og evaluer behandlingseffekten og prognosen.
4. Brug computermaskinlæring og andre algoritmer til at analysere og konstruere en række hurtigere og mere præcise forudsigelsesmodeller for disse CNS-hypersomnier, og derved opnå målet om forebyggende medicin.

Forskningsmetode:

Dette er en retrospektiv og prospektiv kohorteundersøgelse. Der er 600 emner (alder 9-45) vil blive indsamlet. Disse forsøgspersoner vil blive opdelt i fem grupper: (1) forsøgsgruppe (narkolepsi type 1, 300 forsøgspersoner); (2) forsøgsgruppe (narkolepsi type 2, 100 forsøgspersoner); og (3) forsøgsgruppe (KLS, 100 forsøgspersoner); og (4) forsøgsgruppe (IH, 50 forsøgspersoner); og (5) sund kontrolgruppe (alder og køn matchede raske forsøgspersoner, 50 forsøgspersoner). Efterforskerne vil indsamle alle de kliniske data for hvert individ, herunder kliniske karakteristika, søvnundersøgelsesdata, aktigrafi, HLA-typning og hjernebilleddannelsesdata.

Dataanalysemetode:

Brug flere fysiologiske signaler til at generere kvantitative realtidsalgoritmer og finde fysiologiske biomarkører relateret til hypersomnier. Brug de førnævnte data blev kategoriseret og grupperet gennem dataanalyse baseret på computer maskinlæring, neurale netværk og andre algoritmer. Derefter vil efterforskerne bygge en prædiktiv model baseret på resultaterne og skrive en lægerapport og offentliggøre den.