相关实验视频
Updated: Sep 8, 2025

07:40
Multi-Modal Home Sleep Monitoring in Older Adults
Published on: January 26, 2019
7.7K
为预测睡眠呼吸暂停及其严重程度提出了一种新的微创软件智能手机设备
Justine Frija1,2, Juliette Millet3, Emilie Béquignon4,5
1Université Paris Cité, NeuroDiderot, Inserm U1141, Paris, F-75019, France. justine.frija@aphp.fr.
Sleep & breathing = Schlaf & Atmung
|September 5, 2025
概括
智能手机应用程序Apneal使用声音和运动准确估计睡眠呼吸暂停的严重程度,为诊断阻塞性睡眠暂停 (OSA) 提供了一个有前途的替代方案. 这项技术提高了患者的可访问性.
科学领域:
- 医疗器械
- 睡眠医学
- 医疗保健中的人工智能
背景情况:
- 阻塞性睡眠呼吸暂停 (OSA) 经常被低诊断,因为多睡眠法 (PSG) 的可用性有限.
- 需要新的诊断工具来提高OSA检测率和患者获得护理.
研究的目的:
- 评估Apneal®智能手机应用程序在估计呼吸暂停-呼吸暂停指数 (AHI) 的性能.
- 将基于智能手机的信号分析与传统的PSG进行比较.
主要方法:
- 一个单一的概念验证研究,涉及46名成年患者.
- 使用智能手机的麦克风,加速度计和陀螺仪来记录信号.
- 使用手动评分和顺序深度学习模型自动检测呼吸事件.
主要成果:
- 手动评分显示AHI> 15和AHI> 30的高灵敏度和正预测值 (PPV).
- 在手动评分的AHI中,Apneal®系统与PSG显示出强烈的相关性 (ICC: 0.89,Pearson: 0.90).
- 自动评分带来了高灵敏度和PPV的有希望的结果,显示了0.84的ICC和0.87的皮尔森相关性.
结论:
- 基于智能手机的信号评分,手动和自动,是一个可行的和准确的方法来估计与PSG相比OSA的严重程度.
- 基于深度学习的自动评分为诊断阻塞性睡眠呼吸暂停提供了一个有前途的,易于使用的方法.

