Ny metod för sömnstudier med EKG kan göra sömnmedicin mer tillgänglig och prisvärd.
StockholmForskare vid University of Houston, Bhavin R. Sheth, tillsammans med tidigare student Adam Jones, har utvecklat en ny metod för att klassificera sömnstadier. Denna metod kan ersätta polysomnografi, som är den nuvarande standarden men som kräver många sladdar och måste utföras på en klinik. Den nya metoden använder ett enkanals elektrokardiografi-baserat djupinlärningsnätverk och kan utföras av användaren hemma.
Denna nya metod är mycket användbar. Den är billigare och lättare att använda. Den kan hjälpa fler människor att få sömnstudier. Metoden ifrågasätter också det traditionella behovet av EEG vid sömnstadiering. Den är både tillgänglig och prisvärd.
Viktiga punkter omfattar:
- Använder endast två elektroder
- Kan utföras hemma
- Mindre kostsamt än traditionella metoder
- Tillgängligt för fler människor
- Har samma noggrannhet som polysomnografi
Det är numera möjligt att analysera sömn utanför kliniker. Denna forskning har potential att förbättra sömnmedicinen avsevärt. För att diagnostisera och förstå hjärnans aktivitet är en exakt identifiering av sömnstadier avgörande. Kommersiella enheter som Apple Watch, Fitbit och Oura Ring kan övervaka sömnen, men de är inte lika effektiva som polysomnografi.
Den nya metoden har utbildats på 4 000 ljudinspelningar från personer i åldrarna 5 till 90 år. Den fungerar lika bra som en läkare vid bedömning av sömnstudier.
Sheth, en medlem av UH Center för NeuroEngineering och Kognitiva System, förklarade att deras metod fungerar bättre än dagens forskning och kommersiella enheter som inte använder EEG. Den uppfyller höga standarder genom att använda bara en elektroencefalografi-ledning.
Målet med forskningen är att göra sömnstudier mer tillgängliga för människor. Förbättrad sömnforskning kan bidra till mer individanpassad vård för sömnproblem.
Adam Jones har gjort källkoden tillgänglig för fri användning. Forskare, kliniker och andra intresserade kan nå den på cardiosomnography.com.
Teamet samarbetar med Laurent Itti från University of Southern California.
Studien publiceras här:
http://dx.doi.org/10.1016/j.compbiomed.2024.108545och dess officiella citering - inklusive författare och tidskrift - är
Adam M. Jones, Laurent Itti, Bhavin R. Sheth. Expert-level sleep staging using an electrocardiography-only feed-forward neural network. Computers in Biology and Medicine, 2024; 176: 108545 DOI: 10.1016/j.compbiomed.2024.108545Dela den här artikeln