中枢神経系過眠症のためのマルチシグナルベースのモニタリングシステム

日中の過度の眠気 (EDS) は、一般の人によく見られる症状です。 有病率は 5% から 30% の範囲です。 また、日中の眠気はしばしば悪影響をもたらし、これらの過眠症のために日常機能や生活の質さえも損なわれます。 深刻なケースでは、多くの事故が発生し、生命を危険にさらす可能性があります。 国際睡眠障害分類 (ICSD 3) の現在の第 3 版では、「過眠症の中枢神経系障害」をナルコレプシー 1 型および 2 型として具体的に分類しています。特発性過眠症（IH）、およびクライネ・レビン症候群（KLS）。 しかし、これまでのところ、ヒポクレチンの分泌低下が関与する比較的明確な病態機序を有するナルコレプシー1型を除き、ナルコレプシー2型、IH、KLSなどの他の過眠症疾患は明確な神経生理学的診断基準がなく、これらの病気のメカニズムはまだ明らかではありません。 したがって、診断は臨床症状と臨床経験のある医師にのみ頼ることができます。 そのため、これらの疾患の診断には依然として大きな困難と課題があります。 したがって、診断をより正確にするために、研究者はこれらの疾患の「生物学的および神経生理学的バイオマーカー」を見つけ出さなければなりません。 そして、患者が正しい治療を迅速に受けられるようにします。

この研究の目的は次のとおりです。

1. 主な目的は、Multi-Signal Based Monitoring System を使用して脳画像データとリンクし、相互比較を実行して、これらの中枢神経系過眠症の可能な病理学的メカニズムを見つけることです。
2. Multi-Signal Based Monitoring System を使用して脳画像データとリンクし、クロス比較を実行して、中枢神経系過眠症のこれらの臨床的に重要なバイオマーカーをさらに選別し、疾患の経過を監視できる理想的で正確な生理学的バイオマーカーを見つけます。
3. これらの正確に監視されたバイオマーカーを利用して、バイオマーカーの変化とこれらの中枢神経系過眠症の長期経過を追跡し、治療効果と予後を評価します。
4. コンピュータの機械学習やその他のアルゴリズムを使用して、これらの中枢神経系過眠症のさまざまな高速かつ正確な予測モデルを分析および構築し、予防医学の目標を達成します。

研究方法：

これは遡及的かつ前向きなコホート研究です。 600 人の被験者 (9 ～ 45 歳) が収集されます。 これらの被験者は 5 つのグループに分けられます。(1) 実験グループ (ナルコレプシー タイプ 1、300 人の被験者)。 (2)実験群(ナルコレプシー2型、100名)。 （3）実験群（KLS、100人の被験者）。 （4）実験群（IH、50人の被験者）。 （5）健康な対照群（年齢と性別が一致した健康な被験者、50人の被験者）。 治験責任医師は、臨床的特徴、睡眠検査データ、アクチグラフィー、HLA タイピング、脳画像データなど、各被験者のすべての臨床データを収集します。

データ分析方法:

複数の生理学的信号を使用して、リアルタイムの定量的アルゴリズムを生成し、過眠症に関連する生理学的バイオマーカーを見つけます。 前述のデータは、コンピュータの機械学習、ニューラル ネットワーク、およびその他のアルゴリズムに基づくデータ分析によって分類およびグループ化されたものを使用します。 その後、研究者は結果に基づいて予測モデルを構築し、医療レポートを作成して公開します。