Monimuotoinen Syväoppimismalli Uniapneaindeksin Ennustamiseksi Obstruktiivisessa Uniapneassa

Tausta: OSA on yleinen unihäiriö, joka liittyy läheisesti sydän- ja verisuonisairauksiin, aineenvaihduntasairauksiin ja neuropsykiatrisiin sairauksiin. Sitä luonnehtii toistuva ylähengitysteiden luhistuminen unen aikana, mikä johtaa ajoittaiseen hapenpuutteeseen ja unen katkeiluun. Vaikka PSG on edelleen OSA:n diagnostiikan kultainen standardi, sen korkeat kustannukset, monimutkaisuus ja rajallinen saatavuus aiheuttavat haasteita laajamittaisessa seulonnassa ja varhaisessa tunnistamisessa. Viimeaikaiset edistysaskeleet ei-invasiivisissa mittausmenetelmissä – kuten elektroniset stetoskoopit, kannettavat oksimetrit ja patjan alla olevat paineanturit – ovat mahdollistaneet vähärasitteiset fysiologiset monitorointiratkaisut, tarjoten uusia mahdollisuuksia yksinkertaistettuun OSA:n havaitsemiseen.

Tutkimussuunnittelu: Yksikeskuksinen, prospektiivinen havainnointitutkimus

Menetelmät: Tässä tutkimuksessa rekrytoidaan aikuisia potilaita, joilla epäillään OSA:ta ja jotka ovat PSG-tutkimuksen alla. Unen aikana kerätään synkronoidusti tietoja hengitysääniä, SpO₂-muutoksia ja BCG-aaltomuotoja koskien. Näitä monimuotoisia tietoja käytetään syväoppimismallin kehittämiseen ja kouluttamiseen hyödyntäen CNN:ää ja transforimallipohjaisia arkkitehtuureja. Malli suorittaa AHI:n ennustamisen monitehtäväoppimisen kautta ja sen validointi tapahtuu ristivalidaatiomenetelmillä.

Vaikutus: Ehdotetun mallin odotetaan ennustavan tarkasti AHI:n ja erottelevan OSA:n vakavuusasteet, tarjoten ei-invasiivisen, helposti saatavilla olevan ja skaalautuvan seulontatyökalun, jolla on potentiaalia sekä kliinisiin että kotiin perustuviin sovelluksiin.

Avainsanat: Obstruktiivinen uniapnea, polysomnografia, ballistokardiografia, elektroninen stetoskooppi, happikylläisyys