東芬蘭大學(xué)研究人員開發(fā)的一種新的深度學(xué)習(xí)模型可以像經(jīng)驗豐富的醫(yī)師一樣準(zhǔn)確地識別睡眠階段。這為包括阻塞性睡眠呼吸暫停在內(nèi)的睡眠障礙的診斷和治療開辟了新途徑。

阻塞性睡眠呼吸暫停(OSA)是一種夜間呼吸系統(tǒng)疾病，對公共衛(wèi)生保健系統(tǒng)和國民經(jīng)濟造成重大負擔(dān)。據(jù)估計，全世界多達十億人患有阻塞性睡眠呼吸暫停，并且由于人口老齡化和肥胖癥患病率上升，預(yù)計這一數(shù)字還會增加。未經(jīng)治療，OSA會增加罹患心血管疾病和糖尿病的風(fēng)險，以及其他嚴(yán)重的健康后果。

睡眠階段的識別對于包括阻塞性睡眠呼吸暫停在內(nèi)的睡眠障礙的診斷至關(guān)重要。傳統(tǒng)上，將睡眠手動分為五個階段，分別是喚醒，快速眼動(REM)睡眠和非REM睡眠三個階段。然而，對睡眠階段進行人工評分是耗時，主觀且昂貴的。

為了克服這些挑戰(zhàn)，東芬蘭大學(xué)的研究人員使用了來自健康個體和可疑OSA個體的多導(dǎo)睡眠圖記錄數(shù)據(jù)，開發(fā)了用于自動分類睡眠階段的準(zhǔn)確的深度學(xué)習(xí)模型。此外，他們想了解OSA的嚴(yán)重性如何影響分類準(zhǔn)確性。

在健康個體中，該模型在使用單個額葉腦電圖通道(EEG)時能夠以83.7%的精度識別睡眠階段，在補充眼電圖(EOG)時能夠以83.9%的精度識別睡眠階段。在懷疑患有OSA的患者中，該模型的準(zhǔn)確率分別為82.9%(單個EEG通道)和83.8%(EEG和EOG通道)。單通道準(zhǔn)確性的范圍從無OSA個體的84.5%到嚴(yán)重OSA患者的76.5%。該模型獲得的精確度等同于經(jīng)驗豐富的醫(yī)師之間進行手動睡眠評分的對應(yīng)關(guān)系。但是，該模型的優(yōu)點是系統(tǒng)化并始終遵循相同的協(xié)議，并在幾秒鐘內(nèi)進行評分。

根據(jù)研究人員的說法，深度學(xué)習(xí)使疑似OSA病人能夠以較高的準(zhǔn)確度自動進行睡眠分期。該研究發(fā)表在IEEE生物醫(yī)學(xué)與健康信息學(xué)雜志上。