Un sistema de monitoreo basado en múltiples señales para las hipersomnias del SNC

La somnolencia diurna excesiva (EDS) es un síntoma común en la población general. La prevalencia oscila entre el 5% y el 30%. Y la somnolencia diurna a menudo trae efectos negativos, e incluso la función diaria y la calidad de vida se ven afectadas debido a estas hipersomnias. En algunos casos severos, pueden ocurrir muchos accidentes y poner en peligro la vida. La tercera edición actual de la Clasificación Internacional de Trastornos del Sueño (ICSD 3) clasificó específicamente los "trastornos de hipersomnolencia del sistema nervioso central" como narcolepsia tipo 1 y tipo 2; hipersomnia idiopática (IH) y síndrome de Kleine-Levin (KLS). Sin embargo, hasta el momento, a excepción de la narcolepsia tipo 1, que tiene un mecanismo patológico relativamente claro relacionado con la secreción reducida de hipocretina, otros trastornos de hipersomnia como la narcolepsia tipo 2, IH y KLS, que no tienen un diagnóstico neurofisiológico estándar claro, y el mecanismo de estas enfermedades aún no está claro. Por lo tanto, el diagnóstico solo puede basarse en los síntomas clínicos y la experiencia clínica de los médicos. Es por ello que el diagnóstico de estas enfermedades aún presenta grandes dificultades y desafíos. Por lo tanto, para que el diagnóstico sea más preciso, los investigadores deben encontrar los "biomarcadores biológicos y neurofisiológicos" para estas enfermedades. Y permita que los pacientes reciban el tratamiento correcto rápidamente.

Los propósitos de este estudio son los siguientes:

1. El objetivo principal es utilizar el Sistema de Monitoreo Basado en Señales Múltiples para vincular los datos de imágenes del cerebro y realizar una comparación cruzada para descubrir los posibles mecanismos patológicos de estas hipersomnias del SNC.
2. Utilice el sistema de monitoreo basado en señales múltiples para vincular con datos de imágenes cerebrales y realizar una comparación cruzada para descartar aún más estos biomarcadores clínicamente significativos para las hipersomnias del SNC y encontrar biomarcadores fisiológicos ideales y precisos que puedan monitorear el curso de la enfermedad.
3. Utilice estos biomarcadores controlados con precisión para realizar un seguimiento de los cambios en los biomarcadores y el curso a largo plazo de estas hipersomnias del SNC, y evalúe el efecto del tratamiento y el pronóstico.
4. Utilice el aprendizaje automático de la computadora y otros algoritmos para analizar y construir una variedad de modelos de predicción más rápidos y precisos para estas hipersomnias del SNC, logrando así el objetivo de la medicina preventiva.

Método de investigación:

Se trata de un estudio de cohorte retrospectivo y prospectivo. Se recogerán 600 sujetos (de 9 a 45 años). Estos sujetos se dividirán en los cinco grupos: (1) grupo experimental (narcolepsia Tipo 1, 300 sujetos); (2) grupo experimental (narcolepsia tipo 2, 100 sujetos); y (3) grupo experimental (KLS, 100 sujetos); y (4) grupo experimental (IH, 50 sujetos); y (5) grupo de control sano (sujetos sanos de la misma edad y género, 50 sujetos). Los investigadores recopilarán todos los datos clínicos de cada sujeto, incluidas las características clínicas, los datos del examen del sueño, la actigrafía, la tipificación de HLA y los datos de imágenes cerebrales.

Método de análisis de datos:

Utilice múltiples señales fisiológicas para generar algoritmos cuantitativos en tiempo real y encontrar biomarcadores fisiológicos relacionados con las hipersomnias. Los datos antes mencionados se categorizaron y agruparon a través del análisis de datos basado en el aprendizaje automático de la computadora, la red neuronal y otros algoritmos. Luego, los investigadores construirán un modelo predictivo basado en los resultados, escribirán un informe médico y lo publicarán.