Conjunto de Dados de Polissonografia para Análise do Sono em Pacientes com AVC Isquêmico

Por que o Sono Após o AVC Merece Atenção

Muita gente sabe que o sono é importante, mas menos pessoas percebem o quanto ele afeta profundamente a capacidade do cérebro de se recuperar após uma lesão. Este estudo apresenta o iSLEEPS, uma nova e ampla coleção de registros detalhados de noites de sono de pessoas em recuperação de AVC isquêmico na Índia. Ao tornar esses dados livremente disponíveis, os autores esperam acelerar descobertas sobre como problemas respiratórios durante o sono influenciam a recuperação do AVC e ajudar engenheiros a construir ferramentas mais inteligentes que possam interpretar automaticamente exames de sono.

AVC, Respiração Comprometida e uma Peça que Faltava

O AVC é uma das principais causas de incapacidade de longa duração, e problemas respiratórios durante o sono—especialmente pausas na respiração chamadas apneias—são extraordinariamente comuns entre sobreviventes de AVC. Essas perturbações respiratórias podem dobrar o risco de um novo AVC e estão ligadas a pior recuperação nas atividades do dia a dia. Os médicos usam um exame noturno chamado polissonografia, que registra ondas cerebrais, movimentos dos olhos e músculos, ritmo cardíaco, respiração e níveis de oxigênio, para diagnosticar esses problemas. Ainda assim, apesar de sua importância, houve pouquíssimos conjuntos de dados públicos e de grande porte com esse tipo de registro de pacientes com AVC, especialmente vindos de países não ocidentais. Bancos de dados públicos existentes são pequenos, focam em pessoas sem AVC ou carecem das marcações detalhadas necessárias para estudar a interação entre sono e AVC.

O que a Coleção iSLEEPS Contém

O conjunto de dados iSLEEPS preenche essa lacuna com 100 registros noturnos de adultos que tiveram AVC isquêmico no mês anterior, todos investigados em um importante hospital de neurociências em Bengaluru, Índia. Cada participante passou uma noite conectado a múltiplos sensores que captaram ondas cerebrais, movimentos oculares, tônus muscular, ritmo cardíaco, fluxo de ar, movimentos torácicos e abdominais, níveis de oxigênio, sons de ronco e posição corporal. Em média, cada estudo durou cerca de oito horas, totalizando quase 800 horas de dados. Pontuadores treinados, supervisionados por um especialista em sono, revisaram as gravações em fatias de 30 segundos, rotulando quando a pessoa estava acordada, em sono leve, sono profundo ou sono REM, e marcando pausas respiratórias, respiração superficial, quedas de oxigênio e breves despertares.

Quem São os Pacientes e Como é o Sono Deles

Os participantes representam uma amostra do mundo real de pacientes com AVC: condições comuns como diabetes, doenças cardíacas e obesidade não foram excluídas. A idade média é pouco acima de 50 anos, com mais homens do que mulheres, refletindo o risco maior de apneia do sono nos homens. A análise das gravações mostra que problemas respiratórios durante o sono são generalizados neste grupo. Apenas uma pequena minoria apresenta respiração normal, enquanto a maioria se enquadra em categorias de apneia leve, moderada ou grave, com base na quantidade de distúrbios respiratórios por hora de sono. O conjunto de dados conta cuidadosamente os diferentes tipos de eventos—como apneia obstrutiva, quando a via aérea colapsa; apneia central, quando o cérebro deixa de enviar sinais respiratórios; e hipopneia, uma redução parcial do fluxo de ar—junto com a frequência desses eventos em cada nível de gravidade.

Testando os Dados com Algoritmos Modernos

Para demonstrar como o iSLEEPS pode ser usado, os pesquisadores treinaram vários modelos modernos de aprendizado profundo para atribuir automaticamente estágios do sono a partir de canais únicos de sinais cerebrais ou de movimentos oculares. Compararam uma rede convolucional, uma rede de longo curto prazo (LSTM) e um modelo baseado em transformer, cada um projetado para aprender padrões em séries temporais. Os algoritmos foram treinados e testados com cuidado, de modo que os dados de um mesmo paciente nunca aparecessem em mais de um conjunto, e o desempenho foi verificado usando validação cruzada repetida. Entre esses métodos, o modelo LSTM teve o melhor desempenho, rotulando corretamente os estágios do sono em cerca de três quartos dos casos. No entanto, os resultados foram visivelmente piores do que modelos semelhantes alcançam em voluntários saudáveis, ressaltando que o AVC altera o sono de maneiras que os sistemas automatizados atuais ainda não capturam totalmente.

Abrindo a Porta para um Cuidado Melhor

Ao liberar o iSLEEPS como um conjunto de dados aberto e bem documentado—com gravações anonimizadas, marcações detalhadas de eventos e informações clínicas básicas—os autores fornecem um novo recurso poderoso para cientistas, clínicos e engenheiros. Pesquisadores podem usá‑lo para investigar como sono e respiração perturbados moldam a recuperação do AVC, comparar pacientes entre países e desenvolver e testar novos algoritmos que um dia possam rastrear automaticamente problemas respiratórios perigosos, mesmo fora de laboratórios de sono especializados. Para pacientes e familiares, a promessa final deste trabalho é diagnóstico mais claro e tratamento mais oportuno de problemas do sono após o AVC, potencialmente melhorando tanto a recuperação quanto a qualidade de vida.

Citação: 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

Palavras-chave: acidente vascular cerebral, apneia do sono, polissonografia, conjunto de dados de sono, aprendizado profundo