Tragbare Technologie zur Erkennung und Bewertung schlafbezogener Atmungsstörungen (ReSTech)

In den letzten Jahren haben Schlafstörungen aufgrund ihrer hohen Prävalenz und ihrer Auswirkungen auf das tägliche Leben an Bedeutung gewonnen, da sie die Fähigkeit der Menschen, alltägliche Aufgaben zu erledigen, beeinträchtigen und die Lebensqualität beeinträchtigen. Zu diesen Störungen zählen Einschlafstörungen, Atemaussetzer und eine schlechte Schlafqualität, wobei schlafbezogene Atmungsstörungen (SRBD) wie die obstruktive Schlafapnoe (OSA) von besonderer Bedeutung sind. OSA, das mit wiederholten Atemwegsobstruktionen während des Schlafs einhergeht, kommt besonders häufig bei älteren Erwachsenen, Personen mit Fettleibigkeit und Männern vor, wird jedoch häufig unterdiagnostiziert.

SRBD stört nicht nur den Schlaf, sondern erhöht auch das Risiko chronischer Erkrankungen wie Diabetes, Bluthochdruck und Schlaganfälle und stellt aufgrund der höheren Nachfrage nach medizinischen Ressourcen eine wirtschaftliche Belastung dar. Ihre Auswirkungen auf die körperliche und geistige Gesundheit führen zu Müdigkeit, verminderter Produktivität, Arbeitsunfällen und sogar Behinderungen, was den Bedarf an effizienteren Diagnose- und Managementinstrumenten verdeutlicht.

Während die Polysomnographie (PSG) der Goldstandard für die Diagnose von Schlafstörungen ist, schränken ihre hohen Kosten und ihre invasive Natur ihre Zugänglichkeit ein. Tragbare Geräte wie Armbänder und Uhren bieten eine zugänglichere und nicht-invasive Alternative und liefern Echtzeitdaten zu Schlaf, Herzfrequenz und Aktivität. Obwohl diese Geräte vielversprechend sind, müssen sie noch weiter erforscht werden, um ihre Genauigkeit bei der Erkennung von SRBD zu bestätigen. Dieses Projekt zielt darauf ab, die Wirksamkeit von Wearables als ergänzende Instrumente bei der Diagnose und Behandlung dieser Störungen zu bewerten. Konkret verfolgt es die folgenden spezifischen Ziele: (1) Bewertung der Genauigkeit, Spezifität und Empfindlichkeit tragbarer Geräte wie Armbänder und Uhren bei der Messung der Blutsauerstoffsättigung, Herzfrequenz und Aktivität im Vergleich zur nächtlichen Polygraphie. (2) Analyse der Wirksamkeit dieser Geräte bei der Identifizierung von Personen mit potenziellen schlafbezogenen Atmungsstörungen (SRBD) mithilfe unbeaufsichtigter Lerntechniken. (3) Bewertung der Auswirkungen und Leistung eines Modells der künstlichen Intelligenz zur Erkennung und Klassifizierung potenzieller SRBD.