Metodă AI pentru detectarea tulburării de somn REM care afectează milioane de oameni

O echipă de cercetători de la Mount Sinai a dezvoltat o metodă avansată bazată pe inteligența artificială (IA) pentru analiza înregistrărilor video ale testelor clinice de somn, îmbunătățind semnificativ diagnosticarea tulburării de somn REM (RBD). Studiul, publicat în Annals of Neurology pe 9 ianuarie 2025, oferă o soluție promițătoare pentru depistarea timpurie a unei afecțiuni asociate cu boli neurodegenerative precum Parkinson și demența.

Contextul tulburării de somn REM (RBD)

RBD se caracterizează prin mișcări anormale sau manifestarea fizică a viselor în timpul fazei de somn REM. Aproximativ un milion de persoane din Statele Unite sunt afectate de această afecțiune, care este adesea un semn precoce al unor boli grave. Totuși, diagnosticarea este dificilă, deoarece simptomele pot trece neobservate sau pot fi confundate cu alte afecțiuni.

Un diagnostic definitiv necesită efectuarea unui studiu al somnului (video-polisonnogramă), dar interpretarea datelor este complexă și subiectivă. Deși înregistrările video sunt colectate sistematic în timpul acestor teste, ele sunt rareori analizate în detaliu.

Metodologia studiului

Echipa Mount Sinai a dezvoltat un algoritm automatizat care analizează înregistrările video standard realizate cu camere 2D, utilizate frecvent în laboratoarele clinice de somn. Această abordare contrazice ipotezele anterioare, conform cărora camerele 3D de calitate înaltă sunt necesare pentru a detecta mișcările mascate de pături sau cearșafuri.

Datele analizate

• Numărul participanților: 80 pacienți cu RBD și un grup de control format din 90 de persoane fără RBD.
• Metode: Algoritmul analizează mișcările folosind calculul pixelilor dintre cadrele consecutive ale unei înregistrări video.
• Caracteristici evaluate: Rata, magnitudinea, viteza mișcărilor, raportul imobilității și alte elemente specifice.

Această metodă a obținut o rată de acuratețe de 92%, cea mai mare înregistrată până în prezent.

Rezultatele și implicațiile descoperirii

• Detectare automată îmbunătățită: Metoda permite diagnosticarea mai precisă și mai rapidă a RBD, reducând riscul de diagnostic greșit sau întârziat.
• Integrare în fluxul clinic: Algoritmul ar putea fi utilizat pentru a îmbunătăți interpretarea testelor de somn, facilitând luarea deciziilor terapeutice.
• Personalizarea tratamentului: Severitatea mișcărilor detectate ar putea ghida planurile de tratament pentru pacienți.
• Impact asupra sănătății globale: Diagnosticul precoce ar putea preveni progresia către boli neurodegenerative prin monitorizare timpurie și intervenții adaptate.

Pași următori

• Validare clinică: Cercetătorii plănuiesc să efectueze studii clinice mai extinse pentru a confirma eficacitatea metodei.
• Tehnologii portabile: Se dezvoltă ochelari speciali pentru expunerea controlată la lumină roșie, care ar putea fi utilizați în tratamente.
• Explorarea mecanismelor biologice: Studiile viitoare vor analiza modul în care această metodă poate influența și alte afecțiuni legate de somn sau neurodegenerative.

Concluzii

Această tehnică automatizată reprezintă un pas important în diagnosticarea și tratamentul tulburărilor de somn REM. Prin integrarea IA și a tehnologiilor de viziune computerizată, cercetătorii de la Mount Sinai au deschis noi perspective pentru îmbunătățirea sănătății pacienților prin metode non-invazive, precise și ușor de implementat.