AnySleep: un sistema de aprendizaje profundo independiente del canal para la estadificación del sueño de alta...

Área de la Ciencia:

• Neurociencia
• Ingeniería Biomédica
• Medicina del Sueño

Sus antecedentes:

• La estadificación manual del sueño a partir de la polisomnografía (PSG) requiere mucha mano de obra y plantea desafíos para los estudios multicéntricos.
• La puntuación tradicional de épocas de 30 segundos carece de base fisiológica y limita el descubrimiento de biomarcadores en escalas de tiempo más cortas.
• La variabilidad en el número de electrodos y el montaje entre centros complica la investigación armonizada del sueño.

Objetivo del estudio:

• Desarrollar un modelo de red neuronal profunda (AnySleep) para la puntuación automatizada del sueño utilizando diversos datos de electroencefalografía (EEG) y electrooculografía (EOG).
• Permitir la puntuación del sueño a resoluciones temporales ajustables, incluidos intervalos inferiores a 30 segundos.
• Facilitar una generalización robusta en múltiples sitios clínicos y configuraciones heterogéneas de adquisición de datos.

Principales métodos:

• Se entrenó y validó AnySleep en más de 19.000 grabaciones nocturnas de 21 conjuntos de datos diversos, que suman casi 200.000 horas de datos de EEG y EOG.
• Se evaluó el rendimiento del modelo frente a las líneas de base establecidas en épocas de 30 segundos y en escalas de tiempo inferiores a 30 segundos.
• Se evaluó la capacidad del modelo para funcionar con diferentes números de canales, incluidas derivaciones de EEG únicas y EOG limitadas o ausentes.

Principales resultados:

• AnySleep logró un rendimiento de última generación, igualando o superando los métodos tradicionales en épocas de 30 segundos.
• El rendimiento del modelo se mantuvo sólido incluso con una cantidad mínima o ausente de EOG o un solo canal de EEG.
• En escalas de tiempo inferiores a 30 segundos, AnySleep identificó con precisión intrusiones cortas de vigilia (arousals) y mejoró la predicción de condiciones fisiológicas y fisiopatológicas.

Conclusiones:

• AnySleep ofrece una solución flexible y robusta para la puntuación automatizada del sueño utilizando datos de EEG/EOG fácilmente disponibles.
• La capacidad del modelo para manejar la heterogeneidad de los datos y las resoluciones temporales variables facilita la investigación del sueño a gran escala y multicéntrica.
• Se espera que la disponibilidad pública de AnySleep acelere el descubrimiento de nuevos biomarcadores del sueño y mejore el análisis clínico del sueño.