Un nuevo modelo de aprendizaje profundo desarrollado por investigadores de la Universidad del Este de Finlandia puede identificar las etapas del sueño con la misma precisión que un médico experimentado. Esto abre nuevas vías para el diagnóstico y el tratamiento de los trastornos del sueño, incluida la apnea obstructiva del sueño.

La apnea obstructiva del sueño (AOS) es un trastorno respiratorio nocturno que causa una carga importante en los sistemas de salud pública y las economías nacionales. Se estima que hasta mil millones de personas en todo el mundo padecen apnea obstructiva del sueño, y se espera que el número aumente debido al envejecimiento de la población y al aumento de la prevalencia de la obesidad. Cuando no se trata, La AOS aumenta el riesgo de enfermedades cardiovasculares y diabetes. entre otras consecuencias graves para la salud.

La identificación de las etapas del sueño es fundamental en el diagnóstico de los trastornos del sueño. incluida la apnea obstructiva del sueño. Tradicionalmente, el sueño se clasifica manualmente en cinco etapas, que son despertar, sueño de movimientos oculares rápidos (REM) y tres etapas de sueño no REM. Sin embargo, la puntuación manual de las etapas del sueño requiere mucho tiempo, subjetivo y costoso.

Para superar estos desafíos, Investigadores de la Universidad de Finlandia Oriental utilizaron datos de registro polisomnográfico de individuos sanos y de individuos con sospecha de AOS para desarrollar un modelo de aprendizaje profundo preciso para la clasificación automática de las etapas del sueño. Además, querían averiguar cómo la gravedad de la AOS afecta la precisión de la clasificación.

En individuos sanos, el modelo fue capaz de identificar las etapas del sueño con una precisión del 83,7% al utilizar un único canal de electroencefalografía frontal (EEG), y con una precisión del 83,9% cuando se complementa con electrooculograma (EOG). En pacientes con sospecha de AOS, el modelo logró precisiones del 82,9% (canal EEG único) y del 83,8% (canales EEG y EOG). Las precisiones de un solo canal oscilaron entre el 84,5% para las personas sin AOS y el 76,5% para los pacientes con AOS grave. Las precisiones logradas por el modelo son equivalentes a la correspondencia entre médicos experimentados que realizan la puntuación manual del sueño. Sin embargo, el modelo tiene la ventaja de ser sistemático y seguir siempre el mismo protocolo, y realizar la puntuación en cuestión de segundos.

Según los investigadores, El aprendizaje profundo permite la estadificación automática del sueño para pacientes con sospecha de AOS con una alta precisión. El estudio fue publicado en IEEE Journal of Biomedical and Health Informatics .