Многомодальная модель глубокого обучения для прогнозирования индекса апноэ-гипопноэ при обструктивном апноэ сна

Обоснование: OSA — распространённое нарушение сна, тесно связанное с сердечно-сосудистыми, метаболическими и нейропсихиатрическими сопутствующими заболеваниями. Оно характеризуется повторяющимся коллапсом верхних дыхательных путей во время сна, приводящим к перемежающейся гипоксии и фрагментации сна. Хотя ПСГ остаётся золотым стандартом диагностики OSA, её высокая стоимость, сложность и ограниченная доступность создают трудности для масштабного скрининга и раннего выявления. Недавние достижения в неинвазивных технологиях зондирования, таких как электронные стетоскопы, носимые оксиметры и датчики давления под матрасом, позволили создать решения для физиологического мониторинга с низкой нагрузкой, открывая новые возможности для упрощённого обнаружения OSA.

Дизайн исследования: Одноцентровое проспективное обсервационное исследование

Методы: В этом исследовании будут набираться взрослые пациенты с подозрением на OSA, проходящие ПСГ. Во время сна будут собираться синхронизированные данные о дыхательных звуках, изменениях SpO₂ и BCG-волнах. Эти мультимодальные данные будут использоваться для разработки и обучения модели глубокого обучения с использованием CNN и архитектур на основе трансформеров. Модель будет выполнять прогнозирование AHI посредством многозадачного обучения и будет проверяться с использованием методов перекрёстной проверки.

Эффект: Предполагается, что предложенная модель будет точно прогнозировать AHI и различать уровни тяжести OSA, предоставляя неинвазивный, доступный и масштабируемый инструмент скрининга с потенциалом как для клинического, так и для домашнего применения.

Ключевые слова: Обструктивное апноэ сна, Полисомнография, Баллистокардиография, Электронный стетоскоп, Насыщение кислородом