수면다원검사 생리신호를 활용한 폐쇄성수면무호흡증 치료 클러스터링 시스템 개발

배경:

폐쇄성수면무호흡증후군(OSA)은 수면 중 상기도 폐쇄가 반복적으로 나타나는 질환으로, 30~70세 남성의 약 14%, 여성의 5%에게 영향을 미칩니다. OSA의 원인은 해부학적 요인과 비해부적 요인으로 구분됩니다. 해부학적 요인에는 상기도 협착 또는 허탈이 포함되는 반면, 비해부적 요인에는 감소된 근육 반응, 낮은 각성 역치 및 높은 루프 이득이 포함됩니다. 해부학적 문제는 외과적 개입이나 치과 장치를 사용하여 관리할 수 있습니다. 낮은 각성 역치 및 높은 루프 이득과 같은 비해부적 문제에는 약리학적 치료나 산소 요법이 필요할 수 있습니다. 수면 중에 중요한 턱뼈혀(GG) 근육의 활동은 OSA 환자의 약 30%에서 불충분합니다. 규칙적인 구인두 근육 운동은 OSA 심각도 및 관련 증상을 줄일 수 있습니다.

그러나 최적의 치료 전략을 선택하기 위한 정확한 임상 예측 도구가 부족하고 OSA 환자를 위한 원격 재활에 대한 연구가 부족합니다. 본 연구의 목적은 인공 지능을 사용하여 환자를 병인에 따라 (i) 해부학적 요인, (ii) 근육 반응 감소, (iii) 기타 비해부적 요인으로 분류하는 자동화된 치료 클러스터링 시스템을 개발하는 것입니다. 이 시스템은 후향적 수면다원검사(PSG) 데이터베이스에서 생리학적 수면 평가를 분석합니다. 수술적 개입, CPAP 치료, 구인두 훈련(대면 또는 원격 재활을 통해 제공) 등 다양한 관리 전략을 받고 있는 신규 OSA 환자에 대해 교차 검증이 실시될 예정입니다.

행동 양식:

자동화된 치료 클러스터링 시스템은 인공 지능을 사용하여 환자를 병인 그룹으로 분류합니다. (i) 상기도 협착 또는 붕괴와 같은 해부학적 요인; (ii) 근육 반응 감소와 같은 비해부학적 요인; (iii) 기타 비해부적 요인. 분류는 회고적 PSG 데이터베이스에서 근전도검사(EMG) 및 기압측정기를 포함한 여러 생리학적 수면 평가를 분석하는 데 의존합니다. 시스템은 포함 및 제외 기준에 따라 선별되고 동의를 제공할 새로운 OSA 환자를 대상으로 교차 검증을 거칩니다.

교차 검증 단계에서 OSA 환자는 수면다원검사, 수면 관련 설문지, 약물 유발 수면 내시경(DISE), 컴퓨터 단층촬영(CT), 기능적 자기공명영상(fMRI), 혀 근력 등 다양한 평가를 받게 됩니다. 지구력 테스트 및 정신 상태 평가. 처리 전 및 처리 후 측정이 수행됩니다. CT 스캔과 DISE는 치료 전후의 해부학적 구조를 평가하고, fMRI는 뇌 활성화 상태를 검사합니다. 근력 및 지구력 테스트는 개입 전후의 혀 근육의 반응 수준을 평가합니다.

머신러닝을 활용한 자동화된 치료 클러스터링 시스템은 PSG, CT, 수면 내시경, fMRI, 혀의 힘과 지구력 결과를 기반으로 각 사례의 표현형을 결정합니다. 이러한 결과는 임상의가 환자를 분류하고 치료 성공률을 예측하는 데 도움이 될 것입니다. 치료 결정에는 임상 전문성과 환자 선호도를 고려하여 의사와 환자 간의 협력이 필요합니다.

표현형 시스템에 의한 해부학적 요인으로 인해 상기도 협착 또는 허탈로 분류된 참가자는 수술적 관리가 권장됩니다. 근육 반응성이 저하된 환자의 경우 12주간의 구인두 근육 훈련 프로그램이 권장됩니다. 이 교육은 대면 세션과 원격 재활의 두 가지 모드로 진행됩니다. 각 세션은 45~60분 동안 진행되며 참가자는 일주일에 1~3일 실험실에서 대면 세션이나 온라인 수업(원격 재활)에 참석합니다. 두 그룹 모두 집에서 추가적인 구강인두 운동을 수행하도록 지시받습니다. 이러한 그룹에 적합하지 않은 환자는 OSA 관리의 표준인 CPAP 요법을 사용하게 됩니다. 치료 기간 동안 모든 그룹의 참가자는 잠재적인 위험을 평가하기 위해 정기적인 후속 조치를 받게 됩니다. 각 그룹에는 50개의 사례가 포함될 것으로 예상됩니다. 치료 6개월 후 수면다원검사를 바탕으로 무호흡-저호흡 지수를 수집해 성공률을 평가하고 이를 표현형 시스템을 통해 분석한 예측값과 비교한다.