İskemik İnme Hastalarında Uyku Analizi için Polisomnografi Veri Seti

İnmeden Sonra Uykuya Neden Dikkat Edilmeli

Birçok kişi uykunun önemli olduğunu bilir, ancak daha az kişi uykunun yaralanma sonrası beynin iyileşme yeteneğini ne kadar derinden etkilediğinin farkındadır. Bu çalışma, Hindistan’da iskemi kaynaklı inme sonrası iyileşen kişilerden alınmış ayrıntılı gece boyu uyku kayıtlarından oluşan yeni ve büyük bir koleksiyon olan iSLEEPS’i tanıtıyor. Bu verileri ücretsiz erişime açarak yazarlar, uyku sırasında ortaya çıkan solunum sorunlarının inme iyileşmesini nasıl etkilediğine dair keşifleri hızlandırmayı ve mühendislerin uyku testlerini otomatik olarak okuyabilen daha akıllı araçlar geliştirmesine yardımcı olmayı umuyor.

İnme, Bozuk Solunum ve Eksik Bir Parça

İnme, uzun süreli sakatlığın önde gelen nedenlerinden biridir ve özellikle solunumun duraklaması şeklinde görülen uyku apnesi gibi uyku sırasında ortaya çıkan solunum sorunları inme geçiren kişilerde çarpıcı şekilde yaygındır. Bu solunum bozuklukları tekrar inme riskini ikiye katlayabilir ve günlük işlevlerde daha zayıf iyileşme ile ilişkilidir. Doktorlar bu sorunları tanılamak için beyin dalgalarını, göz ve kas aktivitesini, kalp ritmini, solunumu ve oksijen seviyelerini izleyen polisomnografi adı verilen gece boyu bir testi kullanır. Buna rağmen, önemine rağmen, özellikle Batı dışı ülkelerden inme hastalarına ait bu tür kayıtların bulunduğu büyük, açık veri setleri çok azdır. Mevcut kamuya açık veritabanları ya küçüktür, ya inmeyen kişilere odaklanmıştır ya da uyku ile inmenin etkileşimini incelemek için gereken ayrıntılı işaretlemelerden yoksundur.

iSLEEPS Koleksiyonu Neler İçeriyor

iSLEEPS veri seti, bu boşluğu doldurarak Bengaluru, Hindistan’daki büyük bir sinirbilim hastanesinde son bir ay içinde iskemi geçirmiş yetişkinlerden alınmış 100 gece boyu kaydı içerir. Her katılımcı, beyin dalgalarını, göz hareketlerini, kas tonusunu, kalp ritmini, hava akışını, göğüs ve karın hareketini, oksijen düzeylerini, horlama seslerini ve vücut pozisyonunu yakalayan çoklu sensörlere bir gece boyunca bağlı kaldı. Her bir çalışma ortalama yaklaşık sekiz saat sürdü ve toplamda yaklaşık 800 saate yakın veri oluşturdu. Uyku uzmanı gözetimindeki eğitimli değerlendiriciler, kayıtları 30 saniyelik dilimlere ayırarak kişilerin uyanık, hafif uyku, derin uyku veya rüya uykusunda olduklarını etiketledi ve solunum duraklamaları, yüzeysel solunum, oksijen düşüşleri ve kısa uyanışları işaretledi.

Hastalar Kimler ve Uyku Görüntüleri Nasıl

Katılımcılar, inme hastalarının gerçek dünya karışımını temsil ediyor: diyabet, kalp hastalığı ve obezite gibi yaygın durumlar dışlanmadı. Ortalama yaş biraz üzerinde 50 olup, erkeklerin sayısı kadınlardan daha fazladır; bu durum erkeklerde uyku apnesi riskinin daha yüksek olmasını yansıtır. Kayıtların analizi, bu grupta uyku sırasında solunum sorunlarının yaygın olduğunu gösteriyor. Sadece küçük bir azınlıkta solunum normalken, çoğunluk saat başına düşen solunum bozukluğu sayısına göre hafif, orta veya şiddetli apne kategorilerine giriyor. Veri seti, hava yolunun çökmesiyle oluşan obstrüktif apne; beynin kısa süreli solunum sinyali göndermemesiyle ortaya çıkan santral apne; ve hava akışındaki kısmi azalma olan hipopne gibi farklı olay türlerini ve bunların her şiddet seviyesinde ne sıklıkta meydana geldiğini dikkatle sayıyor.

Veriyi Modern Algoritmalarla Test Etmek

iSLEEPS’in nasıl kullanılabileceğini göstermek için araştırmacılar, tek bir beyin ya da göz hareketi kanalından otomatik olarak uyku evreleri atamak üzere birkaç modern derin öğrenme modelini eğitti. Zaman serisi verilerindeki örüntüleri öğrenmek üzere tasarlanmış bir konvolüsyon ağı, bir uzun kısa süreli bellek ağı (LSTM) ve bir dönüşümleyici tabanlı model karşılaştırıldı. Algoritmalar dikkatlice eğitildi ve test edildi; herhangi bir hastaya ait verinin birden fazla veri kümesinde görünmemesi sağlandı ve performans tekrar eden çapraz doğrulama ile kontrol edildi. Bu yöntemler arasında, uzun kısa süreli bellek modeli en iyi performansı gösterdi ve uyku evrelerini yaklaşık dörtte üç doğrulukla doğru etiketledi. Bununla birlikte sonuçlar, benzer modellerin sağlıklı gönüllülerde ulaştığı başarıya göre belirgin şekilde daha zayıftı; bu da inmenin uykuyu, mevcut otomatik sistemlerin henüz tam olarak yakalayamadığı biçimlerde değiştirdiğini vurguluyor.

Daha İyi Bakıma Kapı Açmak

iSLEEPS’i anonimleştirilmiş kayıtlar, ayrıntılı olay işaretlemeleri ve temel klinik bilgilerle birlikte açık ve iyi belgelenmiş bir veri seti olarak yayımlayarak yazarlar bilim insanları, klinisyenler ve mühendisler için güçlü bir yeni kaynak sunuyor. Araştırmacılar bu veriyi, bozulmuş uyku ve solunuma bağlı olarak inme iyileşmesinin nasıl şekillendiğini incelemek, farklı ülkelerden hastaları karşılaştırmak ve bir gün tehlikeli solunum sorunlarını otomatik olarak tarayabilecek yeni algoritmalar geliştirmek ve test etmek için kullanabilir. Hastalar ve aileleri için bu çalışmanın nihai vaadi, inmeden sonra uyku sorunlarının daha net tanı alması ve daha zamanında tedavi edilmesidir; bu da potansiyel olarak hem iyileşmeyi hem de yaşam kalitesini artırabilir.

Atıf: 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

Anahtar kelimeler: inme, uyku apnesi, polisomnografi, uyku veri seti, derin öğrenme