人工智能（AI）已经在帮助诊断和治疗睡眠障碍。未来，AI可能推动精准医疗的进展，开启患者护理的新纪元。 
——Ann H. Carlson
在为个体患者制定睡眠障碍治疗计划时，数据越多越好。
单个多导睡眠图（PSG）可以提供宝贵的信息，有助于诊断和治疗某个特定患者的疾病，但科学家们早已意识到，比较数百甚至数千个测试数据，可以帮助发现通常难以发现的人群模式。利用AI技术来分析睡眠测试数据以寻找新的模式，是研究人员为寻找联系、预测睡眠指标甚至相关健康风险、以促进更好的患者治疗结果的合乎逻辑的一步。
例如，2021年，法国研究团队在Margaux Blanchard博士的带领下，发表了一项研究，探讨了AI在帮助临床医生评估疑似睡眠呼吸暂停患者的心血管疾病发病率和全因死亡率风险中的应用。研究人员使用一种基于树形结构的机器学习工具分析了9,876名患者的数据，研究建议将该AI工具集成到日常睡眠测试中。
这项研究只是AI如何推动睡眠医学朝着更个性化干预方向发展的一个缩影，通过更详细地了解患者的具体特征来实现这一目标。
“未来，AI在睡眠医学领域可能有广泛的应用，推动精准医疗的发展，帮助临床医生为每位患者的内表型（endophenotype）确定最合适的个性化治疗方案，”Nox Medical的AI与数据科学副总裁Jon Agustsson博士说，该公司将多种AI算法整合到其睡眠医学软件中，包括睡眠分期、呼吸流量分析、呼吸暂停-低通气指数（AHI）和周期性肢体运动分析。“我们还没有完全达到这一目标，但我们对AI的开发抱有很高的期望，它可以帮助我们更好地了解每位患者的需求，以及如何更好地为他们提供服务。”
利用AI检测睡眠呼吸暂停标志
近年来，人工智能（AI）在睡眠医学中的应用显著增长。例如，深度神经网络——基于类似人脑的节点网络的AI解决方案——已被整合到一些睡眠医学软件中。这种分层网络方法有助于AI检测模式，更准确地预测睡眠呼吸暂停的标志并为睡眠研究打分。
传统上，睡眠呼吸暂停标志是由人工评分的，包括呼吸暂停-低通气指数（AHI）、氧饱和度下降指数和觉醒指数。“AI目前帮助自动化标注睡眠呼吸暂停的标志，”睡眠软件公司EnsoData的联合创始人兼首席AI官Sam Rusk说道，他也是美国睡眠医学学会AI委员会成员。“AI特别擅长处理大量睡眠研究数据，并一致地预测睡眠呼吸暂停标志。”
AI通过分析各种数据源和模式来检测呼吸暂停，Fullpower-AI公司的创始人兼首席执行官Philippe Kahn解释道，该公司提供一种无接触的床垫下睡眠感应系统，用于家庭使用。
“AI模型通过标注的包含呼吸暂停和非呼吸暂停事件的样本数据进行训练，”他说。“这些模型学习识别暗示呼吸暂停的模式和特征，从而能够实时检测和分类呼吸暂停事件。”
一个应用场景是AI分析实验室中的多导睡眠图（PSG）数据。“例如，AI模型可以识别呼吸气流信号中的特征模式，比如气流的减少或中断，并将其与其他信号如SpO2或EEG异常相关联，”Kahn说，其他AI应用还包括床垫下传感器和可穿戴设备。
AI的学习方式
人工智能（AI）解决方案通过基于重复的迭代过程来学习和执行分配的任务。EnsoData公司联合创始人兼首席AI官Sam Rusk解释道：“AI模型通常包含数百万个参数变量，这些变量通过训练来执行任务。模型从输入数据集中学习模式，并通过迭代训练来提高任务的准确性。” 模型随后会不断改进和完善。Fullpower-AI公司创始人兼首席执行官Philippe Kahn表示：“一旦部署，模型可以根据训练期间学到的模式对新数据进行预测。迭代开发过程包括精炼、反馈、更多的数据以及高级技术，以随着时间的推移改进AI系统。” 据Nox Medical公司AI和数据科学副总裁Jon Agustsson称，成功的AI应用最重要的要素是数据本身。“AI的质量在很大程度上依赖于用于训练和验证的数据质量，”Agustsson说。“重要的是收集一个与AI预期应用一致的大规模且有代表性的数据集。” 因此，AI最擅长从手动数据中学习，这些数据提供了一致性和明确的定义——这也是为什么在分析睡眠研究中的EEG、EOG和EMG数据时，AI在睡眠阶段评分上表现良好的原因，Agustsson表示。 “通常情况下，在人工评分员意见一致的情况下，AI预测睡眠标志的表现非常好，”他说。“此外，AI在评分像发作性睡病这样睡眠技师之间共识较低的睡眠障碍时，也展现了出色的表现。将每30秒的时间段分类为觉醒、快速眼动（REM）睡眠或三种非REM睡眠阶段之一（N1、N2或N3），使得睡眠阶段评分变得更加可控。” 然而，Agustsson补充道，AI的进展主要集中在语言和图像处理方面，而不是睡眠研究中记录的独特生理信号。“这些标志在训练AI模型时具有挑战性，因为对这些标志的评分可能会因评分员、医院和地理区域而异，”他说。“甚至同一个评分员随着时间的推移在评分上也可能存在不一致，这进一步复杂了AI的学习过程。” 因此，AI在检测呼吸事件、氧饱和度下降事件、觉醒、肢体运动和低通气事件时可能会犯错。“通过对AI算法的改进、更大且更具多样性的训练数据集，以及专家与AI开发人员之间的持续合作，AI将更准确地检测这些具有挑战性的标志，”Agustsson说。 尽管目前存在限制，Agustsson指出，AI模型整体上对睡眠医学产生了积极影响，有助于标准化结果。“AI已经对全球睡眠实验室的效率和工作流程产生了巨大影响，”他说。“随着我们开发出新的算法，这些算法将提供新的见解并启发我们对睡眠模式和生理的理解，AI将继续塑造睡眠诊断的未来。” 展望未来 随着AI解决方案的不断发展，人工智能在睡眠医学中的应用将继续依赖于人类专家的专业知识。 “人类科学家和技术人员在机器学习过程中发挥着关键作用，”Kahn说。“他们负责各种任务和决策，这些任务和决策对开发和部署AI系统至关重要，包括问题的提出、数据收集和准备、特征工程、模型选择和配置、训练和验证以及伦理考量。”为了确保患者获得最佳效果，所有相关方保持公开透明的沟通以确保AI的安全有效使用也非常重要。 “总的来说，科学家、睡眠技术人员、医生和工程师之间的合作与协同对于开发具有临床相关性、可靠性并能改善睡眠医学中患者护理的AI算法至关重要，”他说。 Agustsson预测，未来十年AI将与电子病历更加紧密地结合。“通过AI算法，预测患者结果和评估某些结果的风险可能会变得更加准确和易于获取，”Agustsson说。“此外，AI可以发现睡眠数据中难以识别的细微模式和异常，从而实现更精确的诊断。” 他还预期，AI辅助的精准医疗将在睡眠医学的未来发挥至关重要的作用。“通过分析大量数据集，AI算法可以识别与特定治疗反应或临床结果相关的患者特征和表现，”Agustsson说。“这种个性化的方法可以帮助睡眠专业人员为患者量身定制治疗方案，从而提高治疗效果。” 当然，为了实现这一点，科学家需要大量可靠的数据来供AI解决方案使用。“睡眠医学中AI面临的最大挑战之一是研究和开发中大型代表性数据集的可用性，”Rusk说。“最大的好处在于从多导睡眠图记录中解锁与睡眠障碍及其他多种疾病相关的临床有意义的信息的巨大潜力。” 随着AI在睡眠医学中的应用扩展，患者将受益于新的发现。“随着睡眠医学领域的发展，AI将继续支持其管理更大规模的患者群体，并加深对潜在睡眠障碍的理解，”Rusk说。“AI将在多个方面发挥作用，从自动诊断睡眠障碍到管理接受治疗的庞大患者群体。” Agustsson还强调了AI将为睡眠医学带来的效率优势。“AI可以通过识别特定患者的最有效干预措施来优化治疗方法，从而提高成功率，”他说。“此外，AI的临床工作流程整合可以提高效率，使睡眠专业人员能够服务更多患者，并更有效地分配资源。” 尽管AI在患者结果中的作用日益重要，但最终，患者的治疗方案将始终由人类掌控。“AI并不能解决问题，AI为医生提供了更好和更个性化的患者护理工具。它将不断进步。” 原标题：人工智能在睡眠医学中的崛起 本文转载于微信公众号：AI智医网（ID：gh_7abb3f8ad67b），转载引用请注明原出处
媒体矩阵
视频矩阵
AI睡眠评估
新睡眠商城
