芬兰东方大学研究人员开发的一种新的深度学习模型可以像有经验的医生一样准确地识别睡眠阶段。这为包括阻塞性睡眠呼吸暂停在内的睡眠障碍的诊断和治疗开辟了新的途径。

阻塞性睡眠呼吸暂停(OSA)是一种夜间呼吸系统疾病，给公共医疗保健系统和国民经济造成了巨大负担。据估计，世界上有多达10亿人患有阻塞性睡眠呼吸暂停，并且由于人口老龄化和肥胖患病率的上升，这个数字预计还会增加。如果不进行治疗，阻塞性睡眠呼吸暂停综合症会增加患心血管疾病和糖尿病的风险，以及其他严重的健康后果。

睡眠阶段的识别对于包括阻塞性睡眠呼吸暂停在内的睡眠障碍的诊断非常重要。传统上，睡眠被人工分为五个阶段，即觉醒、快速眼动睡眠和非快速眼动睡眠。然而，手动对睡眠阶段评分是耗时、主观且昂贵的。

为了克服这些挑战，东芬兰大学的研究人员使用健康个体和疑似OSA个体的多导睡眠图记录数据，开发了一种精确的深度学习模型，用于自动分类睡眠阶段。此外，他们想知道OSA的严重程度如何影响分类的准确性。

在健康个体中，该模型在使用单一额叶脑电通道时可以识别睡眠阶段，准确率为83.7%，在补充EOG时为83.9%。在疑似OSA患者中，该模型的准确率分别为82.9%(单脑电通道)和83.8%(脑电和EOG通道)。单通道的准确性从无OSA个体的84.5%到严重OSA患者的76.5%。该模型获得的准确度相当于人工睡眠评分中有经验的医师之间的对应关系。但是，这种模式的优势在于它是系统的，总是遵循相同的协议，并且在几秒钟内得分。

根据研究人员的说法，深度学习使疑似OSA患者能够以高准确度自动划分睡眠阶段。这项研究发表在IEEE生物医学和健康信息学杂志上。