Apoyo en la detección de apnea del sueño mediante aprendizaje profundo

Abstract

El síndrome de apnea/hipopnea obstructiva del sueño constituye uno de los trastornos del sueño más prevalentes, con importantes
implicaciones sociosanitarias, en el cual la detección temprana es crucial para iniciar tratamientos adecuados o tomar medidas preventivas. La polisomnografía, método de diagnóstico de elección, es muy costosa en términos de tiempo y dinero, por lo que no está disponible para un grupo de la población general. Proponemos obtener indirectamente la información de la detección de eventos de apnea/hipopnea a través de la señal de saturación de oxígeno obtenida mediante un oxímetro de pulso. La obtención
de la distribución condicional de la señal de detección de eventos de apnea/hipopnea dado el comportamiento de la saturación de oxígeno se logra mediante la optimización de un límite inferior de evidencia. Para el diseño del algoritmo empleado se utilizan modelos generativos profundos, en particular redes generativas adversarias y autoencoder variacionales.
En nuestro estudio, analizamos datos de 5804 pacientes de la base de datos Sleep Health Heart Study. En la etapa de prueba, alcanzamos una exactitud del 80 %, una sensibilidad del 80% y una precisión del 79 %.