Polysomnografie-dataset voor slaapanalyse bij patiënten met ischemische beroerte

Waarom slaap na een beroerte aandacht verdient

Veel mensen weten dat slapen belangrijk is, maar minder beseffen hoe diepgaand slaap het vermogen van de hersenen om te herstellen na een beschadiging beïnvloedt. Deze studie introduceert iSLEEPS, een grote nieuwe verzameling gedetailleerde nachtelijke slaapopnames van mensen die herstellen van een ischemische beroerte in India. Door deze gegevens vrij beschikbaar te maken, hopen de auteurs ontdekkingen te versnellen over hoe ademhalingsproblemen tijdens de slaap het herstel na een beroerte beïnvloeden en ingenieurs te helpen slimmere hulpmiddelen te bouwen die slaaponderzoeken automatisch kunnen uitlezen.

Beroerte, verstoord ademen en een ontbrekend stuk

Beroerte is een belangrijke oorzaak van langdurige beperkingen, en ademhalingsproblemen tijdens de slaap — vooral ademstilstanden die slaapapneu worden genoemd — komen opvallend vaak voor bij mensen die een beroerte hebben gehad. Deze ademhalingsstoornissen kunnen het risico op een nieuwe beroerte verdubbelen en hangen samen met slechter herstel in het dagelijks functioneren. Artsen gebruiken een nachtelijk onderzoek dat polysomnografie heet, waarbij hersengolven, oog‑ en spieractiviteit, hartritme, ademhaling en zuurstofniveaus worden gevolgd, om deze problemen te diagnosticeren. Toch zijn er, ondanks het belang, maar weinig grote, openbare datasets met zulke opnamen van beroertepatiënten, zeker uit niet‑westerse landen. Bestaande publieke databases zijn klein, richten zich op mensen zonder beroerte, of missen de gedetailleerde annotaties die nodig zijn om te bestuderen hoe slaap en beroerte op elkaar inwerken.

Wat de iSLEEPS‑verzameling bevat

De iSLEEPS‑dataset vult deze lacune met 100 nachtelijke opnamen van volwassenen die binnen de voorgaande maand een ischemische beroerte hadden, allemaal onderzocht in een groot neurochirurgisch centrum in Bengaluru, India. Elke deelnemer bracht een nacht door met meerdere sensoren die hersengolven, oogbewegingen, spiertonus, hartritme, luchtstroom, borst‑ en buikbeweging, zuurstofniveaus, snurkgeluiden en lichaamshouding registreerden. Gemiddeld duurde elk onderzoek ongeveer acht uur, en samen vormen ze bijna 800 uur aan data. Getrainde beoordelaars, onder toezicht van een slaapspecialist, bekeken de opnamen in stukjes van 30 seconden en labelden wanneer de persoon wakker was, in lichte slaap, diepe slaap of REM‑slaap, en markeerden ademstilstanden, oppervlakkiger ademhalen, zuurstofdips en korte ontwakingen.

Wie de patiënten zijn en hoe hun slaap eruitziet

De deelnemers vormen een realistische mix van beroertepatiënten: veelvoorkomende aandoeningen zoals diabetes, hart‑ en vaatziekten en obesitas werden niet uitgesloten. De gemiddelde leeftijd is iets boven de 50 jaar, met meer mannen dan vrouwen, wat overeenkomt met het hogere risico op slaapapneu bij mannen. Analyse van de opnamen toont aan dat ademhalingsproblemen tijdens de slaap wijdverspreid zijn binnen deze groep. Slechts een kleine minderheid heeft normale ademhaling, terwijl de meeste patiënten onderverdeeld zijn in milde, matige of ernstige apneu‑categorieën, op basis van het aantal ademhalingsstoornissen per uur slaap. De dataset telt zorgvuldig verschillende typen gebeurtenissen bij — zoals obstructieve apneu, wanneer de luchtweg inklapt; centrale apneu, wanneer de hersenen tijdelijk ophouden ademhalingssignalen te sturen; en hypopneu, een gedeeltelijke vermindering van de luchtstroom — en hoe vaak ze voorkomen op elk ernstniveau.

De data testen met moderne algoritmen

Om te laten zien hoe iSLEEPS gebruikt kan worden, trainden de onderzoekers meerdere moderne deep‑learningmodellen om slaapstadia automatisch toe te wijzen op basis van enkele kanalen met hersen‑ of oogbewegingssignalen. Ze vergeleken een convolutioneel netwerk, een long short‑term memory‑netwerk en een transformer‑gebaseerd model, elk ontworpen om patronen in tijdreeksdata te leren. De algoritmen werden zorgvuldig getraind en getest zodat gegevens van een individuele patiënt nooit in meer dan één dataset voorkwamen, en de prestaties werden gecontroleerd met herhaalde cross‑validatie. Van deze methoden presteerde het long short‑term memory‑model het best en labelde slaapstadia correct in ongeveer driekwart van de gevallen. De resultaten waren echter merkbaar zwakker dan wat vergelijkbare modellen bij gezonde vrijwilligers bereiken, wat benadrukt dat beroerte de slaap op manieren verandert die huidige geautomatiseerde systemen nog niet volledig vangen.

De deur openzetten naar betere zorg

Door iSLEEPS als een open, goed gedocumenteerde dataset vrij te geven — compleet met geanonimiseerde opnamen, gedetailleerde gebeurtenisannotaties en basis klinische informatie — bieden de auteurs een krachtig nieuw hulpmiddel voor wetenschappers, clinici en ingenieurs. Onderzoekers kunnen het gebruiken om te onderzoeken hoe verstoorde slaap en ademhaling het herstel na een beroerte vormen, om patiënten tussen landen te vergelijken en om nieuwe algoritmen te bouwen en te testen die mogelijk gevaarlijke ademhalingsproblemen automatisch kunnen screenen, zelfs buiten gespecialiseerde slaaplaboratoria. Voor patiënten en families is de uiteindelijke belofte van dit werk een duidelijkere diagnose en sneller ingrijpen bij slaapproblemen na een beroerte, wat het herstel en de kwaliteit van leven mogelijk kan verbeteren.

Bronvermelding: 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

Trefwoorden: beroerte, slaapapneu, polysomnografie, slaapdataset, deep learning