Детектор вероятностных дыхательных событий экспертного уровня для фенотипирования апноэ сна

Почему это важно для вашего сна

Многие люди во сне кратковременно перестают дышать, не подозревая об этом — это состояние называется апноэ сна. Сегодня его диагностика требует от специалистов ручного просмотра часов ночных записей, что занимает много времени и не всегда даёт точный результат. В этом исследовании представлена компьютерная система, способная обнаруживать и характеризовать такие паузы в дыхании так же хорошо, как и человеческие эксперты, а порой и давать дополнительные подсказки о причинах их возникновения. Такие инструменты могут сделать тестирование на апноэ быстрее, дешевле и более персонализированным.

Сложность выявления нарушений сна

Апноэ сна обычно описывают одним числом: сколько раз в час дыхание значительно замедляется или прекращается. Но получение этого показателя на практике оказывается куда более запутанным. В разных клиниках применяют немного разные правила, и даже эксперты в одном центре могут расходиться во мнениях о том, где начинается и заканчивается событие и к какому типу оно относится. Некоторые эпизоды блокируют глотку (обструктивное апноэ), другие возникают из-за того, что мозг перестаёт посылать команды дыханию (центральное апноэ), а многие представляют собой частичное снижение потока воздуха — гипопноэ. Существуют также тонкие нарушения дыхания, которые не вызывают явных падений насыщения кислородом или очевидных пробуждений, и потому обычно остаются без учёта при рутинном разборе. Всё это делает стандартный индекс тяжести апноэ менее надёжным и информативным, чем могли бы ожидать пациенты и врачи.

Обучение компьютера «читать» ночной сон

Исследователи создали автоматическую систему под названием Apneic Breathing Event Detector (ABED), чтобы решить эту проблему. ABED анализирует обширный набор ночных сигналов: поток воздуха у носа и рта, движение грудной клетки и живота, уровень кислорода в крови и компьютерно оценённые вероятности кратковременных мозговых пробуждений и бодрствования. Система просматривает ночь перекрывающимися четырёхминутными окнами и использует современную архитектуру глубокого обучения — сочетание сверточных и рекуррентных слоёв — чтобы определить, где происходят дыхательные события и к какому они типу относятся. Помимо классических обструктивных, центральных апноэ и гипопноэ, ABED также выявляет «изолированные респираторные события» — тонкие снижения потока воздуха без явных пробуждений или падений кислорода, которые обычно не учитывают в клинических отчётах.

Насколько детектор соответствует экспертам

Для обучения и тестирования ABED команда использовала более 6500 ночных исследований из четырёх крупных когорт и затем оценивала систему на более чем 1100 невидимых исследованиях из этих групп, а также на двух дополнительных наборах с множественными экспертными разметками. Во всех данных оценка стандартного индекса апноэ–гипопноэ системой тесно соответствовала результатам экспертов: наблюдалась очень сильная корреляция, и в примерно трёх из четырёх случаев системе удавалось правильно отнести пациента к группе тяжести (отсутствие, лёгкая, умеренная, тяжёлая). На уровне отдельных событий ABED обнаруживал апноэ и гипопноэ с общим F1‑баллом 0,78, а в различении обструктивных, центральных и гипопноэ система работала сопоставимо или лучше отдельных человеческих оценщиков в независимых наборах. Важно, что модель корректно обрабатывала записи из многих центров, что указывает на её большую обобщаемость по сравнению с ранее разработанными, меньшими системами, обученными в одном месте.

Вероятностный взгляд на дыхательные события

ABED делает больше, чем присваивает каждому событию одну метку. Для каждого выявленного нарушения дыхания система выдаёт вероятности принадлежности события к каждому из классов. Авторы называют такое более богатое описание «апнотипированием». Событие, которое в основном выглядит обструктивным, может при этом иметь умеренную вероятность центральной природы, а гипопноэ может располагаться где‑то между полной обструкцией и более лёгкой нерегулярностью. Когда команда резюмировала эти вероятности по ночи для каждого человека, проявились шаблоны, соответствующие более глубоким чертам контроля дыхания — например, насколько сильно мозг реагирует на изменения газового состава крови (loop gain), насколько эффективно мышцы глотки компенсируют обструкцию и как легко человек пробуждается в ответ на нарушения дыхания. В нескольких случаях признаки, основанные на таких вероятностях, предсказывали эти свойства лучше, чем традиционные ручные индексы.

Что это может значить для пациентов

Для человека, который задаётся вопросом, есть ли у него апноэ сна — или подходит ли ему текущее лечение — ABED намечает будущее, где диагностика будет быстрее и более информативной. Вместо опоры на среднюю ночную метрику и на взгляд одного уставшего оценщика автоматизированные инструменты могли бы давать последовательные описания событий по каждому эпизоду и градуированное представление об уровне неопределённости, а также подсказывать, почему у конкретного человека возникают проблемы с дыханием. Хотя у системы есть ограничения — например, сниженная точность в очень лёгких случаях и отсутствие тестирования у детей — она демонстрирует, что автоматическая оценка экспертного уровня может прояснить весь спектр нарушений дыхания во сне. В конечном счёте это может помочь врачам подбирать пациентам не просто диагноз, а те методы лечения, которые с наибольшей вероятностью подойдут для их конкретного паттерна апноэ сна.

Цитирование: Kjaer, M.R., Hanif, U., Brink-Kjaer, A. et al. Expert-level probabilistic breathing event detector informs phenotyping of sleep apnea. Nat Commun 17, 2548 (2026). https://doi.org/10.1038/s41467-026-69163-z

Ключевые слова: апноэ сна, глубокое обучение, полисомнография, автоматическая диагностика, респираторные события