人工知能によるいびき音解析：閉塞性睡眠時無呼吸症の検出と閉塞部位の分類、系統的レビュー

科学分野:

• 生物医学工学
• 人工知能
• 睡眠医学

背景:

• 閉塞性睡眠時無呼吸症（OSA）は一般的な睡眠障害です。
• 効果的な管理のためには、OSAの正確な検出と分類が重要です。
• いびき音は、OSA診断のための潜在的な非侵襲的バイオマーカーを提供します。

研究 の 目的:

• 機械学習（ML）および人工知能（AI）のいびき音解析への応用を系統的にレビューすること。
• OSA検出におけるML/AIモデルの有効性を評価すること。
• 軟口蓋、中咽頭、舌、喉頭蓋（VOTE）システムを用いた上気道閉塞部位の分類におけるこれらのモデルの能力を評価すること。

主な方法:

• 2011年から2024年11月までの主要なデータベース（PubMed、Scopusなど）で包括的な文献検索を実施しました。
• PRISMA 2020ガイドラインに従って研究をスクリーニングおよびレビューし、42件の研究を含めました。
• PROBASTを使用して、MLモデル、データセット、特徴抽出、パフォーマンスメトリックに焦点を当てて方法論的品質を評価しました。

主要な成果:

• SVMやCNNなどの機械学習モデルは、OSA検出といびき分類において高い精度（最大98.6%）を達成しました。; MFCCやウェーブレット変換などの主要な音響特徴量が特定されました。; VOTE分類のパフォーマンスは様々でしたが、ターゲット特徴量により一部の研究では精度が95%以上に向上しましたが、データの不均衡やノイズなどの課題は残っています。

結論:

• AIを活用したいびき音解析は、OSAスクリーニングと解剖学的部位分類のための実行可能な非侵襲的アプローチを提示します。
• 臨床的翻訳のためには、マルチモーダルデータ統合と実世界での検証を強調するさらなる研究が必要です。
• 臨床応用を広げるためには、モデルの一般化能力の向上が不可欠です。