Tecnología portátil en la detección y evaluación de trastornos respiratorios relacionados con el sueño (ReSTech)

En los últimos años, los trastornos del sueño han ganado importancia debido a su alta prevalencia e impacto en la vida diaria, afectando la capacidad de las personas para realizar las tareas diarias y reduciendo la calidad de vida. Estos trastornos incluyen dificultades para conciliar el sueño, interrupciones respiratorias y mala calidad del sueño, siendo particularmente importantes los trastornos respiratorios relacionados con el sueño (TRS), como la apnea obstructiva del sueño (AOS). La AOS, que implica obstrucciones repetidas de las vías respiratorias durante el sueño, es especialmente común en adultos mayores, personas con obesidad y hombres, pero con frecuencia sigue siendo infradiagnosticada.

La SRBD no sólo altera el sueño, sino que también aumenta el riesgo de enfermedades crónicas como diabetes, hipertensión y accidentes cerebrovasculares, al tiempo que crea una carga económica debido a la mayor demanda de recursos médicos. Sus efectos sobre la salud física y mental provocan fatiga, reducción de la productividad, accidentes laborales e incluso discapacidad, lo que pone de relieve la necesidad de herramientas de diagnóstico y gestión más eficientes.

Si bien la polisomnografía (PSG) es el estándar de oro para diagnosticar los trastornos del sueño, su alto costo y su naturaleza invasiva limitan su accesibilidad. Los dispositivos portátiles, como pulseras y relojes, ofrecen una alternativa más accesible y no invasiva, que proporciona datos en tiempo real sobre el sueño, la frecuencia cardíaca y la actividad. Aunque prometedores, estos dispositivos aún requieren más investigación para confirmar su precisión en la detección de SRBD. Este proyecto tiene como objetivo evaluar la eficacia de los wearables como herramientas complementarias en el diagnóstico y manejo de estos trastornos. Específicamente, tiene los siguientes objetivos específicos: (1) Evaluar la precisión, especificidad y sensibilidad de los dispositivos portátiles, como pulseras y relojes, para medir la saturación de oxígeno en sangre, la frecuencia cardíaca y la actividad, en comparación con la poligrafía nocturna. (2) Analizar la eficacia de estos dispositivos para identificar personas con posibles trastornos respiratorios relacionados con el sueño (SRBD) utilizando técnicas de aprendizaje no supervisadas. (3) Evaluar el impacto y desempeño de un modelo de Inteligencia Artificial para la detección y clasificación de potenciales SRBD.