研究人员开发AI算法帮助提高睡眠质量 可在脑电图读数中检测睡眠障碍

脑电图(或EEG)使用放置在头皮上的电极测量大脑中的电活动。它被睡眠专家用于诊断和评估神经系统疾病，这可能是一项繁琐的工作 —— 在数小时记录的大脑活动中注释下降和上升，需要专门的训练和充分的耐心。

斯坦福大学和法国巴黎-萨克雷大学的研究人员最近提出了一种替代方案：人工智能，可以预测脑电图中事件的位置、持续时间和类型。它在预印本服务器Arxiv.org上发表的一篇新论文(“一种用于检测睡眠中EEG信号事件的深度学习架构”)中进行了描述。

EEG模式检测算法已经有一段时间了，但研究人员指出，大多数都是事件特定的;他们硬连线识别已知的脑电活动模式。相比之下，机器学习系统有可能学习事件，如K复合物(在NREM睡眠的第2阶段发生的EEG波形)和睡眠纺锤波(在轻度睡眠期间发生的丘脑大脑活动爆发)，因为它们重新接受新数据培训。

“我们提出了一种深度学习方法，可以预测脑电图时间序列中事件的位置、持续时间和类型。”他们写道，“检测这些事件对于更好地了解睡眠生理学和与某些睡眠障碍的生理病理有关是有意义的。”

图片来源：Venturebeat

该团队利用计算机视觉 —— 特别是卷积神经网络，一种具有类似人类视觉皮层结构的神经网络 —— 来检测脑电信号。它从19个主题的19个记录的数据集中提取特征，并使用两个模块(定位模块和分类模块)来预测事件的开始和结束时间及其标签。

他们的研究结果表明，经过仅10条记录和2条验证记录的培训后，处理管道能够在EEG读数中一致地识别纺锤波和K复合物。 此外，它能够联合检测多种类型的事件，使其比传统的序列化算法更有效。

对于美国估计有5000万至7000患有睡眠障碍的成年人，这是一大令人鼓舞的进展。

研究人员并不是唯一将机器学习应用于睡眠分析的人。 谷歌子公司Verily于7月宣布与睡眠公司ResMed建立合作伙伴关系，组建一家专注于开发睡眠呼吸暂停治疗和相关健康产品的新企业。

睡眠障碍是人或动物的睡眠模式的医学病症。一些睡眠障碍严重到足以干扰正常的身体，心理，社交和情绪功能。

睡眠障碍大致分为睡眠异常，异睡症，涉及睡眠时间的昼夜节律睡眠障碍，以及其他疾病，包括由医疗或心理状况和昏睡病引起的疾病。

一些常见的睡眠障碍包括睡眠呼吸暂停(睡眠时呼吸停止)，发作性睡眠和睡眠过度(在不适当的时间过度嗜睡)，猝倒(清醒时突然和短暂的肌张力丧失)和昏睡病(由感染引起的睡眠周期中断) )。其他疾病包括梦游，夜惊和尿床。对精神，医学或药物滥用障碍继发的睡眠障碍的管理应侧重于潜在的条件。

结合17项关于中国失眠症的研究结果，报告了全国范围内的15.0%的流行率。这比一系列西方国家要低得多(波兰50.5%，法国和意大利37.2%，美国27.1%)。然而，这一结果在其他东亚国家中是一致的。居住在中国的男性和女性也有类似的失眠症状。另一项针对老年人睡眠障碍的分析指出，那些身患不止一种身体或精神疾病的人比那些患有一种或更少症状的人，有60%的更高的发病率。报告还指出，50岁以上女性的失眠患病率高于男性。

一项由马萨诸塞州总医院和默克公司合作完成的研究，描述了一种通过电子医疗记录来识别病人睡眠障碍的算法的开发。该算法结合了结构化和非结构化变量的组合，确定了36000个有医生记录的失眠症患者。