AI使用夜视摄像头在家中诊断睡眠呼吸暂停

372 0 0

阻塞性睡眠呼吸暂停症（OSA），其中呼吸在睡眠期间中断，可能很快就可以使用人工智能驱动的模型从一个人的住所舒适度识别出来。

首尔国立大学、首尔国立大学医学院和纽约哥伦比亚大学的研究人员，开发了一个摄像系统从睡眠记录中诊断阻塞性睡眠呼吸暂停综合征

传统上，OSA的诊断是通过多导睡眠图（PSG）进行的。这通常需要住院过夜，并在患者身上安装多达20个传感器。

然后，这些传感器的数据被合并到呼吸暂停低通气指数（AHI）中，该指数测量每小时呼吸暂停的次数，以评估病情的严重程度。

除了速度慢和笨重，巴黎圣日耳曼还有它的缺点。正如韩国首尔国立大学的金亨善(Hyung-Sin Kim，音译)所说：“很多人说，由于PSG带来的不便，他们在PSG期间睡不好觉。一个持续测试需要对自然睡眠进行多个晚上的观察，以减轻夜间睡眠变化和第一夜效应，这对于PSG在实践中几乎是不可能的。

为了解决这些问题，Kim和他的团队引入了一种系统，在睡眠期间用红外摄像机观察疑似OSA的个体。他们的人工智能工具SlAction可以从视频中诊断疾病。

为了训练人工智能，研究人员使用了从三家医院收集的许多人的视频，每个人长约6小时。

这些带有专业诊断的视频让人工智能学会识别OSA的视觉迹象，比如频繁醒来或喘息。在评估中，系统识别OSA的准确率为88%。

研究如何运作

SlAction简介：一组研究人员开发了“SLAction”，这是一种创新的系统，旨在检测个人的阻塞性睡眠呼吸暂停(OSA)。它使用红外视频非侵入性地监测睡眠模式，为阻塞性睡眠呼吸暂停综合征的诊断提供了一个新的视角。
多导睡眠图（PSG）的局限性目前，OSA主要是使用多导睡眠描记术来诊断的，该方法涉及在专门医院过夜，患者身上有多个传感器。这种方法很容易出现不准确性，主要是由于“初夜效应”，即不熟悉的环境和传感器的不适会影响睡眠模式。
核心研究重点：该团队的主要研究问题是，与阻塞性睡眠呼吸暂停综合征相关的呼吸事件是否明显反映在人类在睡眠中的运动中。他们分析了一个包含超过5098个小时的睡眠视频数据集来回答这个问题。他们的发现证实了阻塞性睡眠呼吸暂停综合症和人类在睡眠中的轻微活动之间确实存在着显著的相关性。
技术方法：SlAction视频采集采用低帧率(2.5 FPS)，滑动窗口分析采用较大的窗口大小。这种方法确保系统捕获与OSA相关的缓慢、长期运动。一个值得注意的功能是对所有视频流进行本地处理，确保个人隐私。
结果SlAction系统的初步测试表明，在不同环境下检测OSA时，F1评分为87.6%。

人工智能支持的OSA诊断今年加入了一系列其他医疗技术进步，涵盖了从恢复言语和动作中风，神经退行性疾病，事故受害者，开发新药，以及诊断帕金森病从眼睛的图像。