人工智能(AI)与未来睡眠医学

来源：中国睡眠研究会

图片由作者提供 

临床实践中,睡眠监测的常规流程为：睡眠技师全程监测,回放记录数据，分析多导睡眠监测记录图中的参数,包括脑电、眼动、呼吸、及其他生理信号,最终确认病人是否患有睡眠呼吸暂停,发作性睡病等。然而，通过AI-仪器的学习功能，可以革命性地改变这个复杂且冗长的过程,如：取代诊断的过程,识别服务的差异,预测CPAP治疗的顺应性等。

“我认为睡眠医学真正开始采用大数据,应用大数据及其工具的时机已经成熟,以先进的技术，让仪器自我学习，AI功能影响病人,改变我们服务模式的时代已经到来。”睡眠专家Dennis Hwang,医学博士,加州 Permanente’s San Bernardino County 睡眠中心主任介绍道。

Somnoware，一个基于云平台健康的软件，通过仪器的学习功能帮助医生评估CPAP使用90天的顺应性。该软件通过获取病人的电子病例，病人问卷调查的结果及实验室的监测数据进行分析工作。病人的基本信息、合并症等这些信息都可以帮助建立智能学习模型，在呼吸机CPAP治疗开始之前，预测短期或长期使用的顺应性。随着越来越多数据的获得，这个模型不断更新完善其预测结果，如此，医生可以追踪病人顺应性的趋势，预测某种干预措施的治疗效果。

“我们的目的是尽早给医生带来有价值的信息，这样可以更好地服务管理病人。”Raj Misra,哲学博士,Somnoware公司核心数字科学家介绍道。

人工智能也可以改变诊断流程。例如来自斯坦福大学睡眠科学和医学中心的研究者开发了一个AI系统，通过分析睡眠分期及其他相关信息来诊断发作性睡病，AI系统可以利用数据模版，识别异常睡眠阶段，比人工识别及分析更准确，研究结果发表在2018年的 Nature Communications.1

“目前，睡眠分期分析是由睡眠技师做的，为什么不用AI来做？”文章的作者，来自斯坦福的睡眠专家Emmanuel Mignot,医学/哲学博士介绍说。

斯坦福的研究者们首先让六个睡眠技师分析计算睡眠数据，发现睡眠阶段的异常，提示发作性睡病，然后获取技师们分析得分的平均值。AI程序通过训练，学习数据分析，对3000份睡眠数据进行反复学习。最终结果显示，AI系统评分比人工分析更加准确。

“睡眠分析相对复杂，人体主观因素肯定会包含其中，因此人工智能是最理想的选择。”Mignot最后结论时说道。

Madison是一个来自威斯康辛州的科技公司，开发了EnsoData系统。“该系统采用具有AI-赋能的睡眠监测自动分析软件，被睡眠诊所常规使用，节约了大量的时间和精力。其软件EnsoSleep,采用AASM的睡眠分期推荐标准，应用公式分析睡眠数据，可自动诊断睡眠障碍，如睡眠呼吸暂停等。”公司CEO创始人Chris Fernandez.2在Wisconsin State Journal 发表的文章中介绍道。

开发EnsoData 的目的是节约临床工作者在仪器分析方面的时间，把更多时间用来给病人直接服务，培养与病人的关系，提高实践工作的满意度。利用人工智能软件，自动计算这些复杂且繁琐的数据。

EnsoSleep 在2017年获得FDA 510(k) 批准，用于自动计算PSG和家庭睡眠检测（HST）的结果。此后，EnsoSleep 被全国数十个睡眠诊所使用，改善病人服务流程，提升睡眠诊所诊断效率。

“随着病人数量不断增加，工作量远超过睡眠诊所能承载的能力范围，人工智能将起到核心作用，赋予临床工作者更高的效率，如：增加接诊的病人数量，提供更多的服务，服务更多的病人。”Fernandez 进一步在文章中介绍说。

其他的技术也逐渐出现。 Morpheo,法国巴黎的项目，是一个开放的平台，帮助开发仪器学习模型，自动计算和预测睡眠呼吸障碍。“其目的是开发自动公式算法，辅助医生临床睡眠工作，”Marco Brigham, PhD, 博士后研究者，就职于École Polytechnique公司介绍道。

在加州，睡眠研究者正在进行关于 “AI bot”概念的头脑风暴。“这不是一个电子人，而是一个可以下载的智能手机APP。”研发者Hwang介绍道。

“AI bot 将会是一个伴侣，帮助解决睡眠呼吸暂停患者的服务问题。如果病人纠结于是否需要调节其CPAP呼吸机的压力，可以先与AI Bot交流，然后再去就诊。AI Bot首先询问病人目前的症状，进行先期检测，比如睡眠质量、嗜睡情况等。所有这些都采用真正的人工智能，提供交互性的沟通。” Hwang说。

“我们开发AI bot的目的是可以与病人进行经常性的智能交流，询问病人有什么需求，使用机器后的感受如何，该应用可以提供一些解决办法，改善一些认知行为方面的问题。”  Hwang进一步介绍道. “有一些问题，AI可以很好的处理，睡眠服务商或许不行。”

综上所述，AI在睡眠医学的应用中已经有较多成功案例，机会成熟，前景广阔，众多西方研究者都在积极研发，开拓各种应用。小编期待中国睡眠研究者也能抓住时机，做出自己的贡献。

参考文献：

1. Stephansen JB, Olesen AN, Olsen M, et al. Neural network analysis of sleep stages enables efficient diagnosis of narcolepsy. Nat Commun. 2018 Dec 6;9(1):5229.

2. Fernadez C. EnsoData uses AI to help improve health care. Wisconsin State Journal. 23 Sept 2018.

3．http://www.sleepreviewmag.com/2019/05/artificial-intelligence-sleep-medicine/

编辑：彭志平