虚血性脳卒中患者の睡眠解析のためのポリソムノグラフィーデータセット

脳卒中後の睡眠が注目される理由

睡眠が重要だという認識は広まっていますが、脳が損傷から回復する能力にどれほど深く影響するかを理解している人は少ないです。本研究はiSLEEPSと呼ばれる、インドで虚血性脳卒中から回復中の人々の睡眠を一晩通して詳細に記録した大規模な新コレクションを紹介します。これらのデータを無償で公開することで、睡眠中の呼吸障害が脳卒中回復に与える影響の発見を加速し、睡眠検査を自動で解析できるより賢いツールの開発を促すことを著者は目指しています。

脳卒中、呼吸障害、そして欠けていたピース

脳卒中は長期的障害の主要な原因の一つであり、睡眠中の呼吸障害、とくに無呼吸と呼ばれる呼吸停止は脳卒中生存者に非常に多く見られます。これらの呼吸障害は再発脳卒中のリスクを倍増させ、日常機能の回復不良と関連します。医師は脳波、眼・筋活動、心拍、呼吸、酸素濃度などを一晩記録するポリソムノグラフィーという検査を用いてこれらを診断します。しかし重要であるにもかかわらず、脳卒中患者、特に非西洋諸国の患者から得られたこの種の記録の大規模な公開データセットはほとんどありません。既存の公開データベースは小規模で脳卒中患者を対象としていなかったり、睡眠と脳卒中の相互作用を研究するのに必要な詳細な注記が欠けていたりします。

iSLEEPSコレクションの内容

iSLEEPSデータセットはこのギャップを埋めます。対象は過去1か月以内に虚血性脳卒中を発症した成人の一晩分の記録100例で、すべてインド・バンガロールの主要な神経科学病院で取得されました。各被験者は脳波、眼運動、筋緊張、心拍、気流、胸腹の運動、酸素濃度、いびき音、体位などを捉える複数のセンサーにつながれ一晩を過ごしました。1検査は平均約8時間で、合計でほぼ800時間のデータになります。睡眠専門医の監督を受けた訓練済みスコアラーが30秒ごとに記録をレビューし、覚醒、浅い睡眠、深い睡眠、レム睡眠をラベリングし、呼吸の停止、低換気、酸素低下、短い覚醒などの事象に注記を付けました。

患者の特徴と睡眠の様子

参加者は現実の臨床集団を反映しており、糖尿病、心疾患、肥満などの一般的な合併症は除外されていません。平均年齢は50歳台前半で、男性が多く、これは男性における睡眠時無呼吸のリスクの高さを反映しています。記録の解析は、この集団で睡眠中の呼吸障害が広く分布していることを示します。ごく一部のみが正常な呼吸を示し、ほとんどは睡眠1時間あたりの呼吸障害の頻度によって軽度・中等度・重度に分類されます。データセットは、気道が閉塞することで起きる閉塞性無呼吸、脳が一時的に呼吸指令を出さなくなる中枢性無呼吸、気流が部分的に低下する低呼吸などの事象を分類し、各重症度レベルでの頻度を詳しく集計しています。

最新アルゴリズムでデータを試す

iSLEEPSの利用例を示すために、研究者らは脳波や眼運動の単一チャネルから睡眠段階を自動で推定する複数の最新ディープラーニングモデルを訓練しました。畳み込みネットワーク、長短期記憶（LSTM）ネットワーク、トランスフォーマーベースのモデルを比較し、それぞれ時系列データのパターンを学習するよう設計されています。アルゴリズムは患者ごとのデータが複数のセットに跨らないよう注意して訓練・検証され、反復クロスバリデーションで性能が評価されました。これらの中ではLSTMモデルが最良の成績を示し、睡眠段階を約4分の3の精度で正しく分類しました。しかし、その精度は健康な被験者で同様のモデルが達成する結果より明らかに低く、脳卒中が睡眠に与える変化は現行の自動化システムではまだ十分に捉えられていないことを示しています。

より良いケアへの道を開く

iSLEEPSを匿名化された記録、詳細な事象注記、基本的な臨床情報を備えたオープンで十分に文書化されたデータセットとして公開することで、著者らは研究者、臨床家、エンジニアにとって強力な新たな資源を提供します。研究者はこれを用いて、睡眠・呼吸の乱れが脳卒中回復にどう影響するかを探り、国を越えた患者比較を行い、将来は専門の睡眠検査室外でも危険な呼吸障害を自動検出できるような新しいアルゴリズムを構築・検証できます。患者とその家族にとっては、この研究がもたらす究極の約束は、脳卒中後の睡眠障害のより明確な診断とより迅速な治療であり、回復と生活の質の向上につながる可能性があります。

引用: Maiti, S., Sharma, S.K., Mythirayee, S. et al. Polysomnography Dataset for Sleep Analysis in Ischemic Stroke Patients. Sci Data 13, 421 (2026). https://doi.org/10.1038/s41597-026-06747-w

キーワード: 脳卒中, 睡眠時無呼吸, ポリソムノグラフィー, 睡眠データセット, ディープラーニング