Modelo de Aprendizagem Profunda Multimodal para Prever o Índice de Apneia-Hipopneia na Apneia Obstrutiva do Sono

Contexto： A SAOS é uma perturbação do sono comum, intimamente associada a comorbilidades cardiovasculares, metabólicas e neuropsiquiátricas. Caracteriza-se pelo colapso repetido das vias aéreas superiores durante o sono, levando a hipóxia intermitente e fragmentação do sono. Embora a PSG continue a ser o padrão-ouro de diagnóstico para a SAOS, o seu elevado custo, complexidade e acessibilidade limitada apresentam desafios para o rastreio em larga escala e identificação precoce. Os avanços recentes em tecnologias de sensoriamento não invasivo — como estetoscópios eletrónicos, oxímetros vestíveis e sensores de pressão sob o colchão — permitiram soluções de monitorização fisiológica de baixo encargo, oferecendo novas oportunidades para a deteção simplificada da SAOS.

Desenho do Estudo： Estudo observacional prospetivo, monocêntrico

Métodos： Este estudo irá recrutar doentes adultos com suspeita de SAOS submetidos a PSG. Durante o sono, serão recolhidos dados sincronizados sobre sons respiratórios, alterações da SpO₂ e formas de onda de BCG. Estes dados multimodais serão utilizados para desenvolver e treinar um modelo de aprendizagem profunda que emprega CNNs e arquiteturas baseadas em transformadores. O modelo realizará a previsão do IAH através de aprendizagem multitarefa e será validado utilizando técnicas de validação cruzada.

Efeito： Espera-se que o modelo proposto preveja com precisão o IAH e distinga os níveis de gravidade da SAOS, fornecendo uma ferramenta de rastreio não invasiva, acessível e escalável com potencial para aplicações clínicas e domésticas.

Palavras-chave： Apneia Obstrutiva do Sono, Polissonografia, Balistocardiografia, Estetoscópio Eletrónico, Saturação de Oxigénio