机器倾听用于OSA诊断:贝叶斯的元分析
Benjamin Kye Jyn Tan1, Esther Yanxin Gao2, Nicole Kye Wen Tan3
1Department of Otorhinolaryngology, Singapore; Yong Loo Lin School of Medicine, National University of Singapore, Singapore; SingHealth Duke-NUS Sleep Centre, Singapore; Surgery Academic Clinical Program, SingHealth, Singapore.
Chest
|April 12, 2025
概括
机器听力精确地使用呼吸声音检测阻塞性睡眠呼吸暂停 (OSA),提供更容易获得的诊断替代方案. 这种人工智能驱动的方法显示出高灵敏度和特异性,改善了数百万人的诊断.
科学领域:
- 数字健康和医学中的AI.
- 呼吸系统医学和睡眠科学
背景情况:
- 阻塞性睡眠呼吸暂停 (OSA) 影响全球10亿人,其中90%未被诊断,原因是多睡眠学限制.
- 传统的诊断需要专门的设备和设施,造成了严重的障碍.
- 人工智能 (AI) 通过呼吸声分析为OSA检测提供了一个有希望的途径.
研究的目的:
- 为了评估机器监听OSA的诊断准确性.
- 确定优化基于人工智能的阻塞性睡眠呼吸暂停检测的因素.
主要方法:
- 在主要的科学数据库 (PubMed,Embase,Scopus,Web of Science,IEEE Xplore) 进行系统的文献搜索.
- 16项研究 (41个人工智能模型) 的元分析和元回归,将人工智能呼吸声音分析与多重睡眠学进行比较.
- 使用已建立的工具 (QUADAS-2,GRADE) 评估偏见风险和证据质量.
主要成果:
- 机器监听显示高聚合灵敏度 (90.3%) 和特异性 (86.7%),用于OSA检测.
- 在不同的记录方法 (智能手机与专业),AI类型 (深度与传统学习) 和参与者人口统计数据中,准确性保持一致.
- 增加的灵敏度与更高的音频采样率,非接触式麦克风,更高的OSA患病率和训练测试分割评估有关.
结论:
- 人工智能驱动的机器听力对OSA表现出卓越的诊断准确性,超过了问卷和匹配家庭睡眠测试.
- 这项技术为广泛的OSA诊断提供了可行,可访问和公平的解决方案.
- 建议对OSA诊断的数字医学方法进行进一步的外部验证.
