En algoritme for kunstig intelligens kan forbedre diagnoser, behandlinger og vores overordnede forståelse af søvnforstyrrelser, rapporterer forskere.

”Algoritmen er ekstraordinær præcis. Vi gennemførte forskellige tests, hvor dets præstationer var i konkurrence med de bedste læger inden for området over hele verden, ”siger Mathias Perslev, ph.d. i datalogisk afdeling ved Københavns Universitet og hovedforfatter af undersøgelsen i tidsskriftet npj Digital medicin.

Dagens søvnforstyrrelsesundersøgelser begynder typisk med adgang til en søvnklinik. Her overvåges en persons nattesøvn ved hjælp af forskellige måleinstrumenter. En specialist i søvnforstyrrelser gennemgår derefter de 7-8 timers målinger fra patientens søvn natten over.

Lægen opdeler disse 7-8 timers søvn manuelt i intervaller på 30 sekunder, som alle skal kategoriseres i forskellige søvnfaser, såsom REM (hurtig øjenbevægelse) søvn, let søvn, dyb søvn osv. Det er en tid -forbrugende job, som algoritmen kan udføre på få sekunder.

”Dette projekt har gjort det muligt for os at bevise, at disse målinger kan udføres meget sikkert ved hjælp af maskinindlæring - hvilket har stor betydning,” siger Poul Jennum, professor i neurofysiologi og leder af Center for Søvnmedicin. "Ved at spare mange timers arbejde kan mange flere patienter vurderes og diagnosticeres effektivt."

Alene i hovedstadsregionen Danmark udføres årligt mere end 4,000 polysomnografitest - kendt som PSG eller søvnstudier - på patienter med søvnapnø og mere komplicerede søvnforstyrrelser.

Det tager 1.5-3 timer for en læge at analysere en PSG-undersøgelse. Således kunne implementering af den nye algoritme frigøre mellem 6,000 og 12,000 medicinske timer alene i hovedstadsregionen.

Ved at indsamle data fra en række kilder har forskerne bag algoritmen været i stand til at sikre optimal funktionalitet. I alt er 20,000 nætter med søvn fra USA og en lang række europæiske lande samlet og brugt til at træne algoritmen.

”Vi har samlet søvndata fra hele kontinenter, søvnklinikker og patientgrupper. Det faktum, at algoritmen fungerer godt under så forskellige forhold, er et gennembrud, ”forklarer Perslev og Christian Igel, der ledede projektet på datalogisk side. ”At opnå denne form for generalisering er en af ​​de største udfordringer i medicinsk dataanalyse.”

Forskerne håber, at algoritmen vil hjælpe læger og forskere rundt om i verden med at lære mere om søvnforstyrrelser i fremtiden.

Søvnanalysesoftwaren er gratis tilgængelig på sleep.ai.ku.dk og kan bruges af alle, hvor som helst - inklusive steder, hvor der ikke er en søvnklinik rundt om hjørnet.

”Der kræves kun et par målinger foretaget af almindelige kliniske instrumenter til denne algoritme. Så brugen af ​​denne software kan være særlig relevant i udviklingslande, hvor man måske ikke har adgang til det nyeste udstyr eller en ekspert, ”siger Perslev.

Forskerne arbejder nu sammen med danske læger for at få softwaren og algoritmen godkendt til klinisk brug.

Kilde: Københavns Universitet