ИИ выявил апноэ сна по ЭЭГ с точностью 0,75: сравнение нейросетей

Диагностика апноэ сна с помощью полисомнографии остаётся ресурсоёмкой и требует длительного анализа данных вручную. Новое исследование, опубликованное на arXiv, предлагает альтернативные автоматизированные подходы на основе глубокого обучения и электроэнцефалограммы (ЭЭГ).

Авторы работы провели масштабное сравнение нескольких архитектур нейросетей: Vision Transformers и Graph Attention Networks. Они оценивали их на разных представлениях сигналов – от исходных временных рядов до спектрограмм и признаков топологического анализа данных (TDA).

Обучение проводилось на 2410 педиатрических пациентов, тестирование – на 575. Для исключения влияния пола и возраста группы были сбалансированы. Лучший результат (AUC 0,750) показала модель Vision Transformer, обученная на признаках TDA.

Стратифицированный анализ выявил существенные различия в точности в зависимости от возраста, пола, тяжести апноэ и стадии сна (N1, N2, N3, REM). Это указывает на необходимость персонализированного подхода при клиническом внедрении.

Исследователи подчёркивают, что результаты демонстрируют принципиальную возможность скрининга обструктивного апноэ сна по сигналам ЭЭГ, но остаются важные вызовы: вариативность качества данных и необходимость адаптации моделей под разные группы пациентов.

Работа открывает путь к более доступным и быстрым методам диагностики, особенно для детской популяции, где апноэ часто остаётся невыявленным.