Мультисигнальная система мониторинга гиперсомнии ЦНС

Чрезмерная дневная сонливость (EDS) является распространенным симптомом среди населения в целом. Распространенность колеблется от 5% до 30%. А дневная сонливость часто приносит негативные последствия, и даже повседневная функция и качество жизни из-за этих гиперсомний ухудшаются. В некоторых тяжелых случаях может произойти множество несчастных случаев, угрожающих жизни. В действующем третьем издании Международной классификации расстройств сна (ICSD 3) «расстройства центральной нервной системы, связанные с гиперсонливостью», конкретно классифицируются как нарколепсия типа 1 и типа 2; идиопатическая гиперсомния (ИГ) и синдром Кляйне-Левина (СКЛ). Однако до сих пор, за исключением нарколепсии 1-го типа, которая имеет относительно четкий патологический механизм, связанный со сниженной секрецией гипокретина, другие гиперсомнические расстройства, такие как нарколепсия 2-го типа, ИГ и СКЛ, не являющиеся четким стандартом нейрофизиологической диагностики, и механизм этих заболеваний до сих пор не ясен. Поэтому при постановке диагноза можно опираться только на клинические симптомы и клинический опыт врачей. Именно поэтому диагностика этих заболеваний до сих пор сопряжена с большими трудностями и проблемами. Поэтому для уточнения диагноза исследователям необходимо выяснить «биологические и нейрофизиологические биомаркеры» этих заболеваний. И пусть пациенты быстро получают правильное лечение.

Цели данного исследования заключаются в следующем:

1. Основная цель состоит в том, чтобы использовать систему мониторинга на основе нескольких сигналов для связи с данными изображения мозга и выполнения перекрестного сравнения, чтобы выяснить возможные патологические механизмы этих гиперсомний ЦНС.
2. Используйте систему мониторинга на основе нескольких сигналов, чтобы связать данные изображений мозга и выполнить перекрестное сравнение, чтобы дополнительно отсеять эти клинически значимые биомаркеры для гиперсомнии ЦНС и найти идеальные и точные физиологические биомаркеры, которые могут отслеживать течение заболевания.
3. Используйте эти точно контролируемые биомаркеры для отслеживания изменений в биомаркерах и долгосрочного течения этих гиперсомний ЦНС, а также для оценки эффекта лечения и прогноза.
4. Используйте компьютерное машинное обучение и другие алгоритмы для анализа и построения множества более быстрых и точных моделей прогнозирования этих гиперсомний ЦНС, тем самым достигая цели профилактической медицины.

Метод исследования:

Это ретроспективное и проспективное когортное исследование. Будет собрано 600 предметов (возраст 9-45 лет). Эти субъекты будут разделены на пять групп: (1) экспериментальная группа (нарколепсия типа 1, 300 субъектов); 2 — экспериментальная группа (нарколепсия 2 типа, 100 человек); и (3) экспериментальная группа (КЛС, 100 человек); и (4) экспериментальная группа (IH, 50 человек); и (5) здоровая контрольная группа (здоровые лица, соответствующие возрасту и полу, 50 человек). Исследователи соберут все клинические данные для каждого субъекта, включая клинические характеристики, данные обследования сна, актиграфию, HLA-типирование и данные визуализации мозга.

Метод анализа данных:

Используйте несколько физиологических сигналов для создания количественных алгоритмов в реальном времени и поиска физиологических биомаркеров, связанных с гиперсомнией. Использование вышеупомянутых данных было классифицировано и сгруппировано посредством анализа данных на основе компьютерного машинного обучения, нейронной сети и других алгоритмов. Затем следователи построят прогностическую модель на основе результатов, напишут медицинский отчет и опубликуют его.