Um Sistema de Monitoramento Baseado em Múltiplos Sinais para Hipersonias do SNC

A sonolência diurna excessiva (SDE) é um sintoma comum na população em geral. A prevalência varia de 5% a 30%. E a sonolência diurna muitas vezes traz efeitos negativos, e até mesmo a função diária e a qualidade de vida são prejudicadas devido a essas hipersonias. Em alguns casos graves, muitos acidentes podem ocorrer e pôr em risco a vida. A atual terceira edição da Classificação Internacional de Distúrbios do Sono (ICSD 3) classificou especificamente "Distúrbios do sistema nervoso central de hipersonolência" como Narcolepsia tipo 1 e tipo 2; hipersonia idiopática (IH) e síndrome de Kleine-Levin (KLS). No entanto, até agora, exceto para Narcolepsia tipo 1, que tem um mecanismo patológico relativamente claro que está relacionado à secreção reduzida de hipocretina, outros distúrbios de hipersonia, como Narcolepsia tipo 2, IH e KLS, que não é um padrão de diagnóstico neurofisiológico claro, e o mecanismo dessas doenças ainda não está claro. Portanto, o diagnóstico só pode contar com os sintomas clínicos e a experiência clínica dos médicos. Por isso o diagnóstico dessas doenças ainda apresenta grandes dificuldades e desafios. Portanto, para tornar o diagnóstico mais preciso, os investigadores precisam descobrir os "biomarcadores biológicos e neurofisiológicos" para essas doenças. E deixe os pacientes receberem o tratamento correto rapidamente.

Os propósitos deste estudo são os seguintes:

1. O objetivo principal é usar o Sistema de Monitoramento Baseado em Múltiplos Sinais para conectar-se com dados de imagem cerebral e realizar comparações cruzadas para descobrir possíveis mecanismos patológicos dessas hipersonias do SNC.
2. Use o Sistema de Monitoramento Baseado em Múltiplos Sinais para vincular dados de imagens cerebrais e realizar comparações cruzadas para filtrar ainda mais esses biomarcadores clinicamente significativos para hipersonias do SNC e encontrar biomarcadores fisiológicos ideais e precisos que possam monitorar o curso da doença.
3. Utilize esses biomarcadores monitorados com precisão para rastrear alterações nos biomarcadores e no curso de longo prazo dessas hipersonias do SNC e avalie o efeito do tratamento e o prognóstico.
4. Use o aprendizado de máquina de computador e outros algoritmos para analisar e construir uma variedade de modelos de previsão mais rápidos e precisos para essas hipersonias do SNC, atingindo assim o objetivo da medicina preventiva.

Método de pesquisa:

Este é um estudo de coorte retrospectivo e prospectivo. Serão coletados 600 indivíduos (de 9 a 45 anos). Esses sujeitos serão divididos em cinco grupos: (1) grupo experimental (narcolepsia Tipo 1, 300 sujeitos); (2) grupo experimental (narcolepsia tipo 2, 100 indivíduos); e (3) grupo experimental (KLS, 100 indivíduos); e (4) grupo experimental (HI, 50 sujeitos); e (5) grupo controle saudável (indivíduos saudáveis ​​pareados por sexo e idade, 50 indivíduos). Os investigadores coletarão todos os dados clínicos de cada sujeito, incluindo características clínicas, dados de exame do sono, actigrafia, tipagem HLA e dados de imagens cerebrais.

Método de análise de dados:

Use vários sinais fisiológicos para gerar algoritmos quantitativos em tempo real e encontrar biomarcadores fisiológicos relacionados a hipersonias. Use os dados acima mencionados foram categorizados e agrupados por meio de análise de dados com base em aprendizado de máquina de computador, rede neural e outros algoritmos. Em seguida, os investigadores construirão um modelo preditivo com base nos resultados, escreverão um relatório médico e o publicarão.