睡眠時無呼吸症候群の転帰予測ツールの開発に資金を提供する 400 万ドルの助成金

2024 年 2 月 12 日 – シナイ山からの研究者は、 受賞 閉塞性睡眠時無呼吸症候群における有害な転帰を予測する人工知能 (AI) モデルの開発に、国立衛生研究所 (NIH) の国立心肺血液研究所 (NHLBI) から 410 万ドルが提供されました。

この状態は、睡眠中の不適切な呼吸と断続的な気流の遮断によって引き起こされます。 推定 米国の成人約 3,900 万人に影響を与えると予想されます。 睡眠時無呼吸症候群は睡眠を著しく損ない、高血圧、糖尿病、睡眠障害などの悪影響を引き起こす可能性があります。 長いコロナウイルス、および全死因死亡。

閉塞性睡眠時無呼吸症候群は次の方法で診断されます。 無呼吸・低呼吸指数 (AHI)、無呼吸（患者が睡眠中に呼吸を止めるとき）と低呼吸（睡眠中に気流が減少する期間）の回数をカウントするように設計されたツールです。 次に、無呼吸と低呼吸の数を組み合わせて、個人の睡眠時無呼吸の重症度を定量化します。

ただし、AHI は、 限定 また、必ずしも患者の転帰を正確に予測できるわけではないため、臨床医は改善された診断および予後ツールの開発を求めています。

この目的を達成するために、マウント サイナイの研究チームは、閉塞性睡眠時無呼吸症候群患者の有害転帰のリスクを評価する AI 主導のアプローチの開発に着手しました。 このアプローチでは、この状態の根底にある生理機能と、睡眠段階、呼吸、酸素レベルなど、疾患によって損なわれる睡眠機能の一部に注目し、過剰な日中などの患者の短期および長期の転帰を予測するのに役立つリスクスコアを生成します。眠気、神経認知障害、心脳血管疾患。

研究者らは、換気、低酸素、覚醒の変数に関するデータを取り込んで患者のリスクを予測する 2 つの機械学習 (ML) モデルを開発しました。 トレーニング後、モデルを使用して 11,000 人の睡眠時無呼吸患者の有害転帰リスクを判定しました。

この分析の結果、モデルの 1 つは無呼吸による眠気の確率を約 87 パーセントの精度で正確に予測できたのに対し、AHI を使用したモデルは同じ指標を 54 パーセントの精度でしか予測できなかったことが明らかになりました。

4,700 人の参加者のコホートでは、AI アプローチは 80 パーセントを超える精度で心血管死亡率を予測できました。標準的なアプローチでは 58 パーセントの精度しか達成できませんでした。

「私たちの提案は、日常的な睡眠研究のデータを使用して睡眠時無呼吸患者のリスクプロファイルを作成する最先端の人工知能モデルを使用しています」と主任研究者で睡眠概日分析（SCAN）グループのディレクターであるアンキット・パレク博士は述べた。マウントサイナイのアイカーン医科大学の医学部助教授（呼吸器、救命救急、睡眠医学）がニュースリリースで述べた。

「私たちの研究は、AI アプローチの実際のパフォーマンスを評価し、無呼吸低呼吸を超えた指標を変換するために必要な重要な証拠を提供します。 [index] 閉塞性睡眠時無呼吸症候群の重症度を臨床現場で評価する際に。 これを達成すれば、閉塞性睡眠時無呼吸症候群の臨床管理におけるパラダイムを変える準備が整います」とパレク氏は続けた。

研究チームは今後、マウントサイナイ統合睡眠センターの患者コホートでモデルをさらに評価することを目指している。 参加者は睡眠ポリグラム睡眠検査を受け、睡眠中の脳波、酸素レベル、心拍数、呼吸に関するデータを記録します。 その後、患者はモニタリングされ、睡眠研究後 3 か月間デジタル睡眠日記を付けるよう求められます。

この研究の結果は、さらなる統計分析のために遡及的に検証されます。

これは、デジタルヘルスツールが睡眠時無呼吸症候群の患者の転帰をどのように改善できるかを調査する最新の研究です。

昨年、ジョージア工科大学（ジョージア工科大学）の研究チームは、 共有 彼らは、88.5パーセントの精度で状態を検出できるウェアラブルデバイスを開発したと述べました。

この装置は、額と顎に取り付けるパッチに依存しており、費用がかかり、患者がアクセスできない可能性がある睡眠ポリグラフィー検査の潜在的な代替手段を提供するように設計されています。

ウェアラブル センサーは、脳、目、筋肉の活動を記録する信号を Bluetooth 経由で送信し、これらのデータは睡眠スコアの生成に使用されます。 この装置の精度の高さは、臨床的に検証されれば、睡眠時無呼吸症候群の検出に役立つ可能性があることを示しています。