MENY STÄNG

Automatisk identifiering av sömnstadier hjälper patienter med sömnapné

En automatisk djupinlärningsmodell utvecklad av forskare vid Östra Finlands universitet kan identifiera sömnstadier lika exakt som en erfaren läkare. Något som öppnar upp många dörrar för medicinsk diagnostisk och som hjälper vid behandling av olika sömnstörningar, i särklass obstruktiv sömnapné.


Obstruktiv sömnapné (OSA) är ett tillstånd där en person upplever korta och upprepade andningsuppehåll när dem sover. Tillståndet beror oftast på att tungan faller bakåt i svalget och täpper till luftströmmen.Vanligtvis är andningsupphållen vid obstruktiv sömnapné 20-30 sekunder långa, men ibland kan de pågå i upp till en minut eller längre. För att räknas som en apné ska ett andningsupphåll vara minst tio sekunder långt. Har du andningsuppehåll när du sover är det också vanligt att du snarkar. Snarkningarna behöver inte alltid vara högljudda, utan kan också vara tystare. När du har återkommande andningsupphåll under sömnen störs du också av flera, korta uppvaknanden. Det finns en ovanligare form av sömnapné som beror på att hjärnan under korta stunder inte skickar andningssignaler till lungorna. Det kallas central sömnapné och kan inträffa efter en stroke eller hjärtsvikt, men är annars mycket ovanligt.

Sömnapné – ett globalt, växande, problem

Obstruktiv sömnapné orsaker mycket oro och obehag för dem som lider av det. Men dessutom orsaker också sjukdomen en stor börda för de offentliga hälsovårdssystemen och kostar även samhället mycket pengar. Det uppskattas nämligen att upp till en miljard människor världen över lider av obstruktiv sömnapné. Ett antal som förväntas öka på grund av längre livstid bland befolkningen samt ökad förekomst av fetma. Om sömnapnén förblir obehandlad ökar risken för, bland annat hjärt-och kärlsjukdomar och diabetes.

Varför ökar sömnapné risken för sjukdomar?

Eftersom obstruktiv sömnapné kan orsaka störd, fragmenterad sömn  så kan det också leda till syrebrist. Kombinationen av lågt syre och sömnstörningar kan ge upphov till högt blodtryck, hjärtsjukdomar, minnesproblem och humörstörningar.

Framgångsrik svensk forskning har visat att det finns flera komponenter som gör att sömnapné innebär en ökad risk för hjärt-kärlsjukdomar. Vid varje andningsuppehåll reagerar kroppen med stress som aktiverar det autonoma nervsystemet och frisätter stresshormon. Puls och blodtryck ökar och undertrycket som skapas i bröstkorgen gör att hjärtat får tyngre att arbeta. Samtidigt uppstår en syresänkning i blodet. Normalt sett ska blodtrycket ligga lågt när kroppen är i vila och hjärt-kärlsystemet går på sparlåga. Hos sömnapnoiker störs den naturliga dygnsrytmen av de upprepade andningsuppehållen, kroppen stressas och blodtrycket stiger. På sikt blir det höga blodtrycket bestående, vilket är en riskfaktor för hjärtinfarkt, stroke och död. Senare forskning har också visat att sömnapné skadar blodkärlens inre beklädnad – endotelet – vilket leder till en tidig åderförfettningsprocess.

Varför är identifiering av sömnstadier vid sömnapné viktigt?

Generellt sett är identifieringen av sömnstadier avgörande för just diagnostik av sömnstörningar – och då inklusive obstruktiv sömnapné. Den moderna förståelsen kring sömn och dess sömnstadier delas ofta in i fyra grundläggande faser. Och mer traditionellt klassificeras sömn i fem stadier. Men manuell identifiering av sömnstadier är tidskrävande, subjektiv och kostsam.


De olika sömnstadierna

1. Insomning

Du går från vakenhet till sömn och kroppen börjar slappna av.

2. Bas-sömn

Kroppen blir ännu mer avslappnad och vi får minskad hjärnaktivitet.

3. Djupsömn

Nu börjar återhämtningen på riktigt och du kan börja drömma. I detta skede är vi mer svårväckta än tidigare stadier.

4. Djupsömnen fortsätter

Din kropp är nu i sin djupaste medvetandenivå och hjärnans återhämtning är i full gång. Kroppstemperaturen, hjärtfrekvensen, blodtrycket och andningsfrekvensen sjunker ytterligare och djupsömnen fortsätter. Nu är du som mest svårväckt.

5. REM-sömn (Rapid Eye Movement)

I detta stadie bearbetas dagens händelser och lagras i ditt minne. Det är även nu du drömmer som mest och stadiet infaller nära det att du vaknar, därav minns du oftast dina drömmar just då.



Automatisk identifiering av sömnstadier

Det är ett team forskare vid Östra Finlands universitet som ligger bakom upptäckten. Detta team går under namnet Sleep Technology and Analytics Group, STAG, och löser utmaningar för sömndiagnostik genom att använda olika sätt. De metoder som utvecklats av gruppen är baserade på bärbara, icke-påträngande sensorer, bättre diagnostiska parametrar och moderna beräkningslösningar som är baserade på artificiell intelligens. De nya metoderna som utvecklats av gruppen förväntas avsevärt förbättra svårigheten med att diagnosticera obstruktiv sömnapné. Men också främja individualiserad behandlingsplanering och mer pålitlig förutsägelse av OSA-relaterade dagssymtom och komorbiditeter.

För att få bukt på utmaningar kring manuell identifiering tittade forskare vid Östra Finlands universitet närmare på det. Och detta genom att använda sig av polysomnografisk inspelningsdata från friska individer och personer med misstänkt OSA. För att sedermera kunna utveckla en exakt djupinlärningsmodell för automatisk identifiering av sömnstadier. Dessutom ville de ta reda på hur svårighetsgraden av OSA påverkar klassificeringsnoggrannheten.

Resultatet hos personer utan sömnapné

Hos friska personer kunde modellen identifiera sömnstadier med en noggrannhet på 83,7% vid användning av en enda frontal elektroencefalografikanal (EEG). Och när den kompletterades med elektrookulogram (EOG) kunde modellen identifiera med en noggrannhet på 83,9%. 


Resultatet hos personer med misstänkt sömnapné

Hos patienter med misstänkt OSA uppnådde modellen noggrannhet på 82,9% (enkel EEG-kanal) och 83,8% (EEG- och EOG-kanaler). Enkanalens noggrannhet varierade från 84,5% för personer utan OSA till 76,5% för patienter med svår OSA. 

Forskarnas slutsats kring uppmätningarna

Noggrannheten som uppnåddes med modellen hos de finska forskarna motsvarar korrespondensen mellan erfarna läkare som utför manuell sömnbedömning och identifiering. Men modellen har fördelen av att vara systematisk och alltid följa samma protokoll samt genomföra poängsättningen inom några sekunder. Enligt forskarna möjliggör och förenklar detta diagnostisering av misstänkta OSA-patienter med hög noggrannhet. 


Studien publicerades i IEEE Journal of Biomedical and Health Informatics.


Relaterade blogginlägg:

Dina sömnstadier och vikten av djupsömn

Hjärnaktiviteten vid sömnförlust liknar ångest

Sömnbrist – vilka sjukdomar kan det leda till?


Denna blogg drivs av Learning to Sleep som hjälper människor med sömnproblem genom kliniskt beprövade behandlingsprogram via webb- och mobillösningar. Vår behandling bygger på den senaste forskningen och vi är idag ett av Sveriges ledande digitala hälsoföretag.   Har du sömnproblem? Boka tid idag för medicinisk bedömning