对于评估睡眠呼吸暂停综合征的夜间长期心电图算法的强大性能:试点研究
Pauline Guyot1, Morgane Eveilleau1, Thierry Bastogne1,2
1NOVIGA, Nancy, France.
PloS one
|May 16, 2025
概括
使用心电图 (ECG) 信号的新方法可以有效地检测阻塞性睡眠呼吸暂停-呼吸暂停综合征 (OSAHS) 事件. 这种由人工智能驱动的方法为在家诊断睡眠呼吸暂停提供了一个有希望的,方便的替代方案.
科学领域:
- 睡眠医学 睡眠医学
- 生物医学工程 生物医学工程
- 人工智能的人工智能
背景情况:
- 阻塞性睡眠呼吸暂停-呼吸暂停综合征 (OSAHS) 影响全球近10亿成年人,构成了重大的公共卫生挑战.
- 实验室内多睡眠学 (PSG) 是诊断的黄金标准,但越来越多的人在家中寻求使用人工智能的方便设备.
- 目前的研究重点是开发人工智能增强的解决方案,用于可访问的睡眠呼吸暂停检测.
研究的目的:
- 评估一种使用夜间长期心电图 (ECG) 信号检测呼吸暂停和低呼吸暂停的新方法的性能.
- 为了比较这种基于心电图的检测的准确性与睡眠临床医生标准的多睡眠学 (PSG) 解释.
- 评估在家用诊断设备中实施这种人工智能驱动的ECG方法的可行性.
主要方法:
- 在实验室内进行PSG的85名患者检查的回顾性分析.
- 应用机器学习算法,在质量评估后,自动从心电图信号中检测呼吸机和脑下呼吸机.
- 基于心电图的检测结果与睡眠临床医生的PSG解释的盲目比较.
主要成果:
- 这项研究包括85次检查,在心电图方法和PSG之间,平均偏差为3.5个呼吸暂停-呼吸暂停/小时.
- 在每小时15个事件的值下,该方法实现了93.3%的灵敏度和66.7%的特异性.
- 阳性和阴性预测值分别为87.5%和80%,表明诊断准确度高.
结论:
- 建议使用夜间长期心电图信号的基于人工智能的方法在检测睡眠呼吸暂停事件方面表现非常高.
- 在简单的心电图装置中实施,为在高危患者中进行初步OSAHS评估提供了一个有希望的机会.
- 这种方法可以提高睡眠呼吸暂停查和诊断的可访问性和方便性.
