Riepilogo: I ricercatori hanno sviluppato un algoritmo basato sull’intelligenza artificiale che analizza le registrazioni video 2D provenienti da studi di routine sul sonno per migliorare la diagnosi del disturbo comportamentale del sonno REM. Il disturbo, spesso un indicatore precoce della malattia di Parkinson o della demenza, provoca movimenti anomali durante il sonno REM ed è difficile da diagnosticare a causa di sintomi subdoli e variabili. Il metodo AI ha raggiunto un tasso di precisione del 92% rilevando i modelli di movimento durante il sonno REM, offrendo uno strumento semplificato ed economico in grado di migliorare i flussi di lavoro clinici e consentire piani di trattamento personalizzati.
Punti chiave:
- Diagnosi migliorata con l'intelligenza artificiale: L'algoritmo AI analizza le registrazioni video 2D standard provenienti da studi sul sonno, raggiungendo una precisione del 92% nel rilevare il disturbo comportamentale del sonno REM senza la necessità di telecamere 3D specializzate.
- Flusso di lavoro clinico semplificato: Integrando questo strumento automatizzato nell'analisi dei test del sonno, i medici potrebbero potenzialmente ridurre le diagnosi mancate e migliorare l'efficienza diagnostica per il disturbo comportamentale del sonno REM.
- Implicazioni più ampie per la cura: Il metodo non solo facilita diagnosi accurate, ma fornisce anche dati sui movimenti per aiutare i medici a personalizzare i piani di trattamento in base alla gravità del disturbo.
Un team di ricercatori guidato dal Monte Sinai ha migliorato un algoritmo basato sull’intelligenza artificiale (AI) per analizzare le registrazioni video di test clinici del sonno, migliorando in definitiva la diagnosi accurata del disturbo comportamentale del sonno REM.
I risultati dello studio sono stati pubblicati sulla rivista .
Il disturbo comportamentale del sonno REM provoca movimenti anomali, o la recitazione fisica dei sogni, durante la fase REM (movimento rapido degli occhi) del sonno. Il disturbo comportamentale del sonno REM che si verifica in adulti altrimenti sani è chiamato disturbo comportamentale del sonno REM “isolato”. Colpisce più di 1 milione di persone negli Stati Uniti e, in quasi tutti i casi, è un segno precoce della malattia di Parkinson o di demenza.
Il disturbo comportamentale del sonno REM è estremamente difficile da diagnosticare perché i suoi sintomi possono passare inosservati o essere confusi con altre malattie. Una diagnosi definitiva richiede un video-polisonnogramma effettuato da un medico presso una struttura dotata di tecnologia di monitoraggio del sonno. I dati sono anche soggettivi e possono essere difficili da interpretare universalmente sulla base di variabili multiple e complesse, tra cui le fasi del sonno e la quantità di attività muscolare.
Sfruttare l'intelligenza artificiale per un rilevamento migliore
Sebbene i dati video vengano registrati sistematicamente durante un test del sonno, raramente vengono esaminati e spesso vengono scartati dopo che il test è stato interpretato.
Precedenti lavori limitati in quest’area avevano suggerito che potrebbero essere necessarie telecamere 3D di livello di ricerca per rilevare i movimenti durante il sonno perché lenzuola o coperte coprirebbero l’attività. Questo studio delinea lo sviluppo di un metodo automatizzato di apprendimento automatico che analizza le registrazioni video regolarmente raccolte con una fotocamera 2D durante i test del sonno notturno. Questo metodo definisce anche ulteriori “classificatori” o caratteristiche dei movimenti, ottenendo un tasso di precisione nel rilevare il disturbo comportamentale del sonno REM di quasi il 92%.
“Questo approccio automatizzato potrebbe essere integrato nel flusso di lavoro clinico durante l'interpretazione dei test del sonno per migliorare e facilitare la diagnosi ed evitare diagnosi mancate”, afferma l'autore corrispondente Emanuele DuranteMD, professore associato di neurologia (disturbi del movimento) e medicina (polmonare, terapia intensiva e medicina del sonno), presso la Icahn School of Medicine del Monte Sinai, in un comunicato. “Questo metodo potrebbe anche essere utilizzato per prendere decisioni informate sul trattamento in base alla gravità dei movimenti visualizzati durante i test del sonno e, in definitiva, aiutare i medici a personalizzare i piani di cura per i singoli pazienti”.
Uno sforzo collaborativo
Il team del Monte Sinai ha replicato e ampliato una proposta per un’analisi automatizzata di apprendimento automatico dei movimenti durante gli studi sul sonno creata dai ricercatori dell’Università di Medicina di Innsbruck in Austria. Questo approccio utilizza la visione artificiale, un campo dell’intelligenza artificiale che consente ai computer di analizzare e comprendere dati visivi, inclusi immagini e video.
Basandosi su questo quadro, gli esperti del Monte Sinai hanno utilizzato telecamere 2D, che si trovano abitualmente nei laboratori clinici del sonno, per monitorare il sonno dei pazienti durante la notte. Il set di dati includeva l’analisi delle registrazioni presso un centro del sonno di circa 80 pazienti con disturbo comportamentale del sonno REM e un gruppo di controllo di circa 90 pazienti senza disturbo comportamentale del sonno REM che presentavano un altro disturbo del sonno o nessuna interruzione del sonno.
Risultati promettenti
Un algoritmo automatizzato che calcolava il movimento dei pixel tra fotogrammi consecutivi in un video è stato in grado di rilevare i movimenti durante il sonno REM. Gli esperti hanno esaminato i dati per estrarre la frequenza, il rapporto, l’entità e la velocità dei movimenti e il rapporto di immobilità. Hanno analizzato queste cinque caratteristiche dei movimenti brevi per ottenere la massima precisione finora raggiunta dai ricercatori, pari al 92%.
I ricercatori dell’Istituto federale svizzero di tecnologia di Losanna (École Polytechnique Fédérale de Lausanne) di Losanna, in Svizzera, hanno contribuito allo studio condividendo la loro esperienza nel campo della visione artificiale.
Ulteriori letture per te:
