Zestaw danych polisomnograficznych do analizy snu u pacjentów po udarze niedokrwiennym

Dlaczego sen po udarze zasługuje na uwagę

Wielu ludzi wie, że sen jest ważny, ale niewielu zdaje sobie sprawę, jak głęboko wpływa on na zdolność mózgu do regeneracji po urazie. W tym badaniu przedstawiono iSLEEPS, dużą nową kolekcję szczegółowych nocnych nagrań snu od osób rekonwalescencyjnych po udarze niedokrwiennym w Indiach. Udostępniając te dane publicznie, autorzy mają nadzieję przyspieszyć odkrycia dotyczące wpływu zaburzeń oddychania podczas snu na zdrowienie po udarze oraz pomóc inżynierom w tworzeniu inteligentniejszych narzędzi do automatycznej analizy badań snu.

Udar, zaburzenia oddychania i brakujący element

Udar jest jedną z głównych przyczyn długotrwałej niepełnosprawności, a problemy z oddychaniem podczas snu — zwłaszcza przerwy w oddychaniu zwane bezdechem sennym — są u osób po udarze wyjątkowo częste. Te zaburzenia oddychania mogą podwajać ryzyko kolejnego udaru i wiążą się z gorszymi wynikami w codziennym funkcjonowaniu. Lekarze stosują nocne badanie zwane polisomnografią, które rejestruje fale mózgowe, ruchy oczu i mięśni, rytm serca, oddychanie i poziom tlenu, aby rozpoznać te problemy. Mimo ważnej roli tego badania niewiele jest dużych, otwartych zestawów danych takich nagrań pochodzących od pacjentów po udarze, szczególnie z krajów nienależących do Zachodu. Istniejące bazy publiczne są małe, dotyczą głównie osób bez udaru lub nie zawierają szczegółowych adnotacji potrzebnych do badania interakcji między snem a udarem.

Co zawiera kolekcja iSLEEPS

Zestaw danych iSLEEPS wypełnia tę lukę, zawierając 100 nocnych nagrań od dorosłych, którzy mieli udar niedokrwienny w ciągu poprzedniego miesiąca, a wszyscy badani przebywali w dużym ośrodku neurologicznym w Bengaluru w Indiach. Każdy uczestnik spędził noc podłączony do wielu czujników rejestrujących fale mózgowe, ruchy oczu, napięcie mięśniowe, rytm serca, przepływ powietrza, ruchy klatki piersiowej i brzucha, poziom tlenu, dźwięki chrapania oraz pozycję ciała. Średnio każde badanie trwało około ośmiu godzin, a łącznie daje to prawie 800 godzin danych. Przeszkoleni oceniający, nadzorowani przez specjalistę ds. snu, przeglądali nagrania w 30‑sekundowych fragmentach, oznaczając okresy czuwania, sen lekki, głęboki i fazę REM oraz zaznaczając przerwy w oddechu, płytkie oddychanie, spadki tlenu i krótkie wybudzenia.

Kim są pacjenci i jak wygląda ich sen

Uczestnicy stanowią mieszankę pacjentów z rzeczywistej praktyki klinicznej: powszechne schorzenia, takie jak cukrzyca, choroby serca i otyłość, nie były wykluczane. Średni wiek wynosi nieco ponad 50 lat, z przewagą mężczyzn nad kobietami, co odzwierciedla wyższe ryzyko bezdechu sennego u mężczyzn. Analiza nagrań pokazuje, że zaburzenia oddychania podczas snu są w tej grupie powszechne. Tylko niewielka mniejszość ma prawidłowe oddychanie, podczas gdy większość mieści się w kategoriach łagodnego, umiarkowanego lub ciężkiego bezdechu, ocenianych na podstawie liczby zaburzeń oddychania na godzinę snu. Zestaw danych dokładnie klasyfikuje różne typy zdarzeń — takie jak bezdech obturacyjny, gdy drogi oddechowe się zapadają; bezdech centralny, gdy mózg chwilowo przestaje wysyłać sygnały do oddychania; oraz hipopnea, częściowe zmniejszenie przepływu powietrza — wraz z częstością ich występowania na poszczególnych poziomach nasilenia.

Testowanie danych za pomocą nowoczesnych algorytmów

Aby pokazać praktyczne zastosowanie iSLEEPS, badacze wytrenowali kilka nowoczesnych modeli uczenia głębokiego do automatycznego przypisywania etapów snu na podstawie pojedynczych kanałów sygnałów mózgowych lub ruchów oczu. Porównali sieć konwolucyjną, sieć LSTM (long short‑term memory) oraz model oparty na transformatorze, z których każdy zaprojektowano do wykrywania wzorców w danych czasowych. Algorytmy były trenowane i testowane w sposób restrykcyjny, tak aby dane żadnego pacjenta nie pojawiły się jednocześnie w więcej niż jednym zbiorze, a wyniki sprawdzano przy użyciu powtarzalnej walidacji krzyżowej. Spośród tych metod najlepiej wypadł model LSTM, prawidłowo oznaczając etapy snu w około trzech czwartych przypadków. Wyniki były jednak zauważalnie słabsze niż te osiągane przez podobne modele na zdrowych ochotnikach, co podkreśla, że udar zmienia sen w sposób, którego obecne systemy automatyczne jeszcze w pełni nie odzwierciedlają.

Otwarcie drogi do lepszej opieki

Udostępniając iSLEEPS jako otwarty, dobrze udokumentowany zestaw danych — zawierający zanonimizowane nagrania, szczegółowe adnotacje zdarzeń i podstawowe informacje kliniczne — autorzy dostarczają potężne narzędzie dla naukowców, klinicystów i inżynierów. Badacze mogą wykorzystać je do zbadania, jak zaburzony sen i oddychanie wpływają na rekonwalescencję po udarze, do porównań pacjentów między krajami oraz do tworzenia i testowania nowych algorytmów, które mogłyby w przyszłości automatycznie przesiewać groźne zaburzenia oddychania, nawet poza wyspecjalizowanymi laboratoriami snu. Dla pacjentów i rodzin ostateczna obietnica tego projektu to lepsza diagnostyka i szybsze leczenie problemów ze snem po udarze, co może poprawić zarówno powrót do zdrowia, jak i jakość życia.

Cytowanie: 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

Słowa kluczowe: udar, bezdech senny, polisomnografia, zestaw danych snu, uczenie głębokie