マウントシナイチームがAIアルゴリズムを作成して睡眠障害を検出します

REM睡眠行動障害、またはRBDは、睡眠中に異常な動きまたは短時間の繰り返しのけいれんを引き起こす状態、および時折の夢の制定のエピソードを引き起こす状態です。

挑戦

RBDは100万人以上のアメリカ人に影響を及ぼし、ほとんどの場合、パーキンソン病や認知症の初期の兆候であり、しばしば他の症状に先行することが多い。つまり、パーキンソン病や認知症に対する治療法を開発し、最終的に早期予防療法の恩恵を受ける人を特定する前例のない機会を提示します。

ただし、RBDは診断が非常に困難です。

「RBDを持つ多くの人が本格的な夢のエピソードを持つことはめったにないが、パートナーやパートナーが気付いていない小さなけいれんしか持っていないため、人々が自分の夢を演じるかどうかについての簡単なスクリーニングの質問は敏感ではありません」とシナイ山の臨床医博士は説明しました。

Icahn School of Medicineの神経学の准教授であり、Mount Sinai統合睡眠センターで患者を診察し、動きや睡眠障害、および肺医学とクリティカルケアを専門としています。

マウントシナイヘルスシステムは、ニューヨークの大都市圏で最大の学術医療システムの1つであり、48人の病院で48,000人の従業員が働いており、400を超える外来患者の慣行、600を超える研究および臨床研究所、看護学部、医学および大学院教育の前進学校です。

「より一般的な条件であるため、単純なスクリーニングの質問も具体的ではありません。 睡眠時無呼吸や睡眠中の落ち着きのない脚の動きのように – RBDを模倣している夢の実装の症状を引き起こす可能性があります。

RBDを診断するためのゴールドスタンダードテストは、睡眠中心部でのLAB睡眠テストであり、ポリソムノグラムとしても知られており、筋肉センサーまたは筋電図を使用してレム睡眠中の筋肉活動（RBDで増加）を測定します。

しかし、RBDは、このラブ内の睡眠テストを使用して診断することは非常に困難でした。これは、睡眠の専門家でさえ診断に同意することができるという点まで、解釈してアーティファクトの対象となることが非常に困難であるためです。

「特に、ビデオカメラは睡眠中の動きを記録していますが、テストを解釈するための現在の基準ではそのいずれも考慮されておらず、現在、ビデオデータを解釈するための自動化されたツールは存在しません」

「実際、ほとんどの睡眠センターでは、ビデオデータは睡眠テスト後に破棄され、収集された残りのデータのみ（EEG、呼吸信号、EKGなど）が保存されます。」

さらに、彼は、睡眠検査を受けている人が、夢の制定の歴史に基づいて睡眠専門家によってRBDを持っていると特に疑われない限り、診断は容易に見逃されます。これは、筋肉の活動を評価する必要のない睡眠時無呼吸を評価するためにテストが行われるため、診断は容易に見逃されます」と彼は付け加えました。

これは、研究によると、成人人口の少なくとも1％で発生するRBDの「偶発的な症例」の欠落につながります。このニーズに対処するために シナイ山 研究チームは、LAB睡眠テスト中に睡眠のビデオ記録を分析することにより、RBDの診断を自動化する方法を開発しました。

提案

チームは、REM（急速眼球運動）睡眠中に検出された体の動きの頻度とパターンを自動的に解釈し、これらの動きに基づいて、人がRBDを持っているかどうかを判断するアルゴリズムを開発しました。

これはオーストリアの1つのグループのみによって行われていましたが、彼らの研究では特定の研究グレードの3Dカメラを使用していたため、標準の睡眠テストハードウェアに追加する必要がありました。

「世界中のすべての臨床睡眠ラボで使用されている2-D分布カメラで日常的に収集されたビデオデータをテストする前の研究はありませんでした」と述べました。

挑戦に会う

「以前の研究で行われたよりも大きい大きなデータセットを組み立てました。RBD（「ケース」）患者の81の睡眠研究記録とRBDのない91（「コントロール」）を含む。

an 光フローコンピュータービジョンアルゴリズム レム睡眠中に自動的に検出された動きは、速度（周波数）、比率（動きを示すレム睡眠の時間の割合）、動きの大きさと速度、および不動の比率（レム睡眠中の動きの分布パターンの尺度）の比率を抽出しました。これらの5つの機能から、RBDを他の睡眠条件と通常の睡眠と区別するために、機械学習分類器を訓練しました。

「私たちはまた、実際にRBDを持っているが、睡眠テストのレビューでは、睡眠専門家によるビデオ映像の手動レビューに基づいて、睡眠テストのレビューでRBDを検出するために得られた分類器の精度をテストすることに興味がありました」。 「RBDのそのような合計11人の患者は、人間の目の動きで目に見える患者は特定されていません。

結果

シナイ山のチームは、予想どおり、RBDの人がレム睡眠中の動きの増加、特にミオクローヌスとして知られるジャークやけいれんを含む2秒より短い短い動きを示したことを発見しました。 RBDを検出するための精度は、84.9％（2つの機能のみ）から87.2％（5つの機能を備えた）の範囲でした。

5つの機能すべてを組み合わせるが、短い（2秒未満の期間未満）の動きのみを分析するだけで、91.9％で最高の精度が得られました。

睡眠検査中に顕著な動きのないRBD患者の11人のうち、7人が正しく特定されたか、Sinai山のアルゴリズムに基づいてRBDを持っていると検出されました。

他の人へのアドバイス

「これは、定期的な臨床ケアの下で実施された睡眠テスト中に取得されたビデオ録画を分析する簡単なアルゴリズムがRBDを診断し、91.9％の非常に高い精度で診断できることを示す最初の研究です」と述べています。 「この作業は、睡眠研究所で日常的に使用されている2Dカメラを使用し、3つの機能を追加することでパフォーマンスを向上させることにより、以前のフレームワークを改善します。

「このアプローチは、RBDの診断を促進および改善するために、臨床睡眠研究所で実装できます」と彼は結論付けました。 「レム睡眠の自動検出と相まって、従来の赤外線カメラを使用してRBDを検出および監視するために、家庭環境でもテストする必要があります。」

LinkedInでビルのヒットカバレッジをフォローしてください： ビル・シウィッキ
彼にメールしてください： [email protected]
Healthcare IT NewsはHIMSSメディアの出版物です。

今すぐ見る：シアトルの子供のチーフAIオフィサーは、テクノロジーを通じてより良い結果を話します