清醒时预测OSA的新方法

阻塞性睡眠呼吸暂停(OSA)是一种常见的睡眠障碍,其患病率随着年龄的增长而显著增加。尽管被大量诊断不足,但全球OSA患病率的最新估计已超过10亿。阻塞性睡眠呼吸暂停的诊断是基于夜间多导睡眠图(PSG)评估,这是昂贵的,需要技术技能。如今,有许多便携式PSG设备记录较少的生物信号,可以借给个人进行夜间研究,有助于OSA的诊断。然而,为了推荐一种治疗方法,特别是对严重受影响的个体(呼吸暂停),仍然需要在睡眠实验室进行夜间PSG评估。

manbetx登录下载科学地图集。清醒时预测OSA的新方法

图1所示。AWakeOSA算法用于决策程序,使用每个使用的人体测量子集分类器的加权结果。图例:RF:随机森林;AHI:呼吸暂停低通气指数。

准确的OSA诊断和治疗是非常重要的。阻塞性睡眠呼吸暂停与其他几种疾病有关;此外,每年都有因窒息司机睡着而导致的交通事故,每年不仅造成数十亿美元的损失,还造成生命损失。除了PSG评估的高成本和费力的性质外,甚至在农村地区也没有便携式的PSG评估。此外,还有一个迫切需要准确和快速的OSA筛查,例如,对于需要全身麻醉的手术患者,因为OSA在恢复过程中会引起并发症,麻醉医师必须提前做好准备。

基于上述原因,快速准确地筛查OSA具有重要意义。作为利用气管呼吸音诊断OSA的先驱,我们的目标是开发一种能够通过分析患者清醒时(清醒期间)记录的几个呼吸音周期来预测OSA的技术。我们的基本原理是影像学研究显示OSA患者的上呼吸道发生改变(变窄且更易折叠)。由于呼吸音是由上呼吸道内气流湍流产生的,我们假设即使在清醒状态下,呼吸音也是OSA等气道病理的代表。这个目标是雄心勃勃的,因为即使是那些严重窒息的人在清醒时也不会表现出任何明显的呼吸症状;例如,他们可以毫无问题地锻炼;这是因为他们的上呼吸道扩张肌弥补了他们狭窄和更容易折叠的气道。然而,这种扩张肌活动的增加不能无创测量。为了认识到这一挑战,我们还应该注意到,阻塞性睡眠呼吸暂停症的人群是非常异质性的;由于几个不同的危险因素,每个人的阻塞性睡眠呼吸暂停的原因可能是不同的。 For example, while we know that obesity and smoking are two of the major risk factors, not every severe apneic person is obese or smoker.

我们一直在研究不同的呼吸声音分析方法,以便在患者清醒时筛查他们是否患有阻塞性睡眠呼吸暂停。我们最新的算法AWakeOSA在预测清醒状态下的阻塞性睡眠呼吸暂停综合症方面显示出很高的准确率(约90%),它实际上是一系列分类器,将每个呼吸声音的频谱和双频谱特征视为一种症状,并分配分类投票。然后,更高的决策算法根据分类器对其结果的置信度为每个投票分配权重,并获得所有分类器的平均投票。此外,为了解决OSA患者群体的异质性,我们为影响呼吸音的每个混杂变量(年龄、性别、体重等)设计了分类器;例如,我们设计了一个分类器,使用肥胖和非肥胖两组的一些声音特征来预测OSA;另一个为两组年轻人和老年人等。图中给出了整个AWakeOSA算法的示意图。该算法的鲁棒性和高无偏准确性为OSA的快速有效筛选提供了一种新的方法;更重要的是,该算法可以根据应用进行调整,以提高其灵敏度或特异性。

扎赫拉·穆萨维,艾哈迈德·埃尔瓦利
生物医学工程,马尼托巴大学,温尼伯,加拿大

出版

利用人体测量信息和气管呼吸音筛查阻塞性睡眠呼吸暂停的一种新的清醒决策程序
Ahmed Elwali, Zahra Moussavi
2019年8月7日

脸谱网 推特 linkedin 邮件 脸谱网 推特 linkedin 邮件

留言回复