Een algoritme voor kunstmatige intelligentie kan diagnoses, behandelingen en ons algemene begrip van slaapstoornissen verbeteren, rapporteren onderzoekers.

“Het algoritme is buitengewoon nauwkeurig. We hebben verschillende tests uitgevoerd waarin de prestaties wedijveren met die van de beste artsen in het veld, wereldwijd”, zegt Mathias Perslev, een doctoraat in de computerwetenschapsafdeling van de Universiteit van Kopenhagen en hoofdauteur van de studie in het tijdschrift npj Digitale Geneeskunde.

De huidige onderzoeken naar slaapstoornissen beginnen meestal met opname in een slaapkliniek. Hier wordt de nachtrust van een persoon gemeten met behulp van verschillende meetinstrumenten. Een specialist in slaapstoornissen beoordeelt vervolgens de 7-8 uur aan metingen van de nachtrust van de patiënt.

De arts verdeelt deze 7-8 uur slaap handmatig in intervallen van 30 seconden, die allemaal moeten worden onderverdeeld in verschillende slaapfasen, zoals REM-slaap (snelle oogbeweging), lichte slaap, diepe slaap, enz. Het is een tijd tijdrovende klus die het algoritme in seconden kan uitvoeren.

"Dit project heeft ons in staat gesteld te bewijzen dat deze metingen zeer veilig kunnen worden gedaan met behulp van machine learning, wat van groot belang is", zegt Poul Jennum, hoogleraar neurofysiologie en hoofd van het Deense Centrum voor Slaapgeneeskunde. "Door vele uren werk te besparen, kunnen veel meer patiënten effectief worden beoordeeld en gediagnosticeerd."

Alleen al in de hoofdstedelijke regio van Denemarken worden jaarlijks meer dan 4,000 polysomnografietests - bekend als PSG of slaaponderzoeken - uitgevoerd bij patiënten met slaap apneu en meer gecompliceerde slaapstoornissen.

Het duurt 1.5-3 uur voordat een arts een PSG-onderzoek heeft geanalyseerd. De inzet van het nieuwe algoritme zou dus alleen al in de hoofdstad van Denemarken tussen de 6,000 en 12,000 medische uren kunnen vrijmaken.

Door gegevens uit verschillende bronnen te verzamelen, hebben de onderzoekers achter het algoritme een optimale functionaliteit kunnen garanderen. In totaal zijn 20,000 nachtrusten uit de Verenigde Staten en een groot aantal Europese landen verzameld en gebruikt om het algoritme te trainen.

“We hebben slaapgegevens verzameld van verschillende continenten, slaapklinieken en patiëntengroepen. Het feit dat het algoritme onder zulke uiteenlopende omstandigheden goed werkt, is een doorbraak”, leggen Perslev en Christian Igel uit, die het project aan de computerwetenschappelijke kant leidden. "Het bereiken van dit soort generalisatie is een van de grootste uitdagingen in de analyse van medische gegevens."

De onderzoekers hopen dat het algoritme artsen en onderzoekers over de hele wereld zal helpen om meer te weten te komen over slaapstoornissen te verwijzen in de toekomst.

De slaapanalysesoftware is gratis beschikbaar op: slaap.ai.ku.dk en kan door iedereen en overal worden gebruikt, ook op plaatsen waar geen slaapkliniek om de hoek is.

“Voor dit algoritme zijn slechts een paar metingen nodig met gangbare klinische instrumenten. Het gebruik van deze software kan dus met name relevant zijn in ontwikkelingslanden waar men mogelijk geen toegang heeft tot de nieuwste apparatuur of een expert”, zegt Perslev.

De onderzoekers werken nu samen met Deense artsen om de software en het algoritme goedgekeurd te krijgen voor klinisch gebruik.

Bron: Universiteit van Kopenhagen