張孔雁 云宗金

睡眠是人維持生命活動的正常生理過程,良好的睡眠可以使人精神飽滿、思維活躍,促進(jìn)身心健康[1]。然而伴隨全球經(jīng)濟(jì)的快速發(fā)展,人們工作及生活等方面的壓力不斷增加,全球睡眠障礙的發(fā)生率也在不斷上升。據(jù)統(tǒng)計(jì),我國睡眠障礙的發(fā)病率高達(dá)38.2%,有超過3億人面臨睡眠障礙及其相關(guān)問題[2-4]。研究表明,睡眠不足或睡眠質(zhì)量差會擾亂身體的晝夜節(jié)律,增加出現(xiàn)健康問題的風(fēng)險(xiǎn),如罹患心血管疾病[5]、認(rèn)知障礙和記憶力減退[6]等嚴(yán)重疾病。因此,睡眠障礙的早期發(fā)現(xiàn)、早期診斷及治療十分重要[7]。雖然目前臨床上已經(jīng)應(yīng)用諸如匹茲堡睡眠質(zhì)量量表對睡眠質(zhì)量進(jìn)行主觀評估,輔以多導(dǎo)睡眠監(jiān)測儀(polysomnography,PSG)進(jìn)行客觀評價,但因睡眠結(jié)構(gòu)的個體差異性,睡眠質(zhì)量的評估仍欠準(zhǔn)確。隨著醫(yī)學(xué)技術(shù)及人工智能(artificial intelligence,AI)的迅猛發(fā)展,其在睡眠障礙的評估、診斷及治療領(lǐng)域有了新的突破與發(fā)展。

1 AI簡介

機(jī)器通過一定的算法分析大量的數(shù)據(jù),總結(jié)相應(yīng)規(guī)律后對新的數(shù)據(jù)進(jìn)行預(yù)測,這種讓機(jī)器模仿人類智能的技術(shù)稱為AI[8-9]。自20世紀(jì)50年代AI被提出以來,其發(fā)展大致經(jīng)歷了以下幾個階段:基于知識濃縮的專家系統(tǒng)階段、基于數(shù)據(jù)分析的機(jī)器學(xué)習(xí)階段及深度學(xué)習(xí)階段。依據(jù)不同的算法,深度學(xué)習(xí)分為人工神經(jīng)網(wǎng)絡(luò)(artificial neural network,ANN)、卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)、遞歸神經(jīng)網(wǎng)絡(luò)(recursive neural network,RNN)等,其中CNN性能遠(yuǎn)遠(yuǎn)優(yōu)于傳統(tǒng)的機(jī)器學(xué)習(xí)技術(shù)。AI在許多學(xué)科中的應(yīng)用前景廣闊,其與醫(yī)學(xué)的協(xié)同作用更是改善了臨床決策和醫(yī)療保健服務(wù)[10-11],尤其體現(xiàn)在諸如醫(yī)學(xué)影像[12]、疾病診斷[13]、遠(yuǎn)程醫(yī)療[14]、藥物開發(fā)[15]等醫(yī)療保健領(lǐng)域。AI的應(yīng)用提高了疾病診斷的準(zhǔn)確性,優(yōu)化了醫(yī)護(hù)工作流程,提高了臨床操作的效率,有助于更好地監(jiān)測疾病及其治療效果,改善病人的整體療效。

2 AI在睡眠障礙中的應(yīng)用現(xiàn)狀

2.1 睡眠障礙的篩查及評估 目前,睡眠障礙的評估方法包括PSG、便攜式睡眠監(jiān)測儀、活動描記儀、病人報(bào)告結(jié)果(patient reported outcomes,PROs)和睡眠日記等。傳統(tǒng)的睡眠障礙評估方法雖然各有優(yōu)點(diǎn),但數(shù)據(jù)的整理與分析可能耗費(fèi)大量的人工及經(jīng)濟(jì)成本,而AI的介入使睡眠障礙的篩查及評估更加便捷。通過AI的各種算法,睡眠障礙的評估方法也更加優(yōu)化。目前,AI在睡眠障礙的篩查及評估中的應(yīng)用情況有:(1)AI根據(jù)現(xiàn)有關(guān)于睡眠障礙的數(shù)據(jù),通過不同算法對其進(jìn)行分析,從而對睡眠障礙相關(guān)疾病進(jìn)行風(fēng)險(xiǎn)評估。例如,Nettleton等[16]通過聚合算法篩選阻塞性睡眠呼吸暫停(obstructive sleep apnea,OSA)病人,并應(yīng)用睡眠問卷元數(shù)據(jù)分析病人呼吸紊亂指數(shù)(respiratory disturbance index,RDI)實(shí)際值和AI預(yù)測值之間的相關(guān)性。Sun等[17]通過遺傳算法利用問卷數(shù)據(jù)識別呼吸暫停低通氣指數(shù)(apnea hypopnea index,AHI)≥15的受試者,敏感性和特異性分別高達(dá)88%和97%。Keenan等[18]通過基于電子病歷數(shù)據(jù)的算法,準(zhǔn)確地將OSA病例篩選出來。Mullins等[19]通過深度卷積神經(jīng)網(wǎng)絡(luò)(deep convolutional neural network,DCNN)和雙向長短期記憶網(wǎng)絡(luò)分析多導(dǎo)睡眠圖中的電生理數(shù)據(jù),如腦電情況,以預(yù)測OSA的嚴(yán)重程度。Urtnasan等[20]通過CNN分析睡眠期間的心率和心率變異性來篩查OSA。(2)AI基于睡眠障礙的原有數(shù)據(jù),利用或創(chuàng)建新的檢測指標(biāo)對疾病進(jìn)行預(yù)測,如呼吸相關(guān)腦電圖[21]、腦年齡指數(shù)[22]。(3)AI通過非接觸式技術(shù)如預(yù)證明技術(shù)[23]、聲納技術(shù)[24]、脈沖無線電超寬帶雷達(dá)技術(shù)[25]等收集的全身和精細(xì)呼吸運(yùn)動來評估睡眠階段和呼吸事件。消費(fèi)者睡眠技術(shù)(consumer sleep technologies,CSTs)與AI的有效結(jié)合可以提高人群中睡眠障礙的檢出率。CSTs定期收集有關(guān)睡眠的持續(xù)時間、潛伏期、質(zhì)量、結(jié)構(gòu)、喚醒時間、規(guī)律性和連續(xù)性的數(shù)據(jù),AI對其進(jìn)行分析以評估睡眠障礙的風(fēng)險(xiǎn),為后續(xù)的治療提供依據(jù)。壓電傳感器被動接觸技術(shù)通過機(jī)器學(xué)習(xí)的分類算法檢測呼吸運(yùn)動和心沖擊圖以評估睡眠結(jié)構(gòu)和呼吸事件,進(jìn)而篩查OSA[26]。目前可以使用智能手機(jī)、可穿戴設(shè)備、活動追蹤器和非干擾性技術(shù)中的傳感器數(shù)據(jù)來評估睡眠相關(guān)數(shù)據(jù),并通過機(jī)器學(xué)習(xí)或深度學(xué)習(xí)算法執(zhí)行睡眠分析[27]。AI將聚類分析或神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)方法應(yīng)用于睡眠障礙領(lǐng)域,這對于今后開發(fā)精準(zhǔn)、個性化的睡眠醫(yī)學(xué)至關(guān)重要。

2.2 睡眠障礙的診斷與治療 睡眠障礙的診斷除完整的病史及體格檢查外,PSG檢測結(jié)果是重要的客觀證據(jù)。但是,傳統(tǒng)的PSG檢測方法耗時耗力,目前,AI驅(qū)動的PSG自動評分正在迅速發(fā)展,而且伴隨著數(shù)據(jù)的不斷積累,AI獲取的信息越來越接近真正的人類睡眠表征[28-29]。在該領(lǐng)域向AI的數(shù)字評分平臺過渡的過程中,睡眠深度的連續(xù)數(shù)字標(biāo)記,如功率譜分析,可能為睡眠障礙的研究提供新的見解[30]。鑒于AI驅(qū)動的PSG自動評分系統(tǒng)高效、低成本的優(yōu)點(diǎn),其有可能成為睡眠醫(yī)學(xué)研究的重要方法。AI驅(qū)動的PSG自動評分系統(tǒng)除應(yīng)用于睡眠障礙的診斷外,還可以通過不同的算法建模,從而為疾病的診斷提供更多的證據(jù)。一項(xiàng)研究表明,AI通過對1119名個體的PSG數(shù)據(jù)進(jìn)行分析并建模,無需進(jìn)行有創(chuàng)檢查即可獲得對臨床有意義的食管壓力值[31],由此可見,AI將在睡眠障礙的診斷中發(fā)揮其特有的優(yōu)勢。

睡眠障礙的治療一般根據(jù)不同的病因采取相應(yīng)的治療方案,但目前仍以藥物治療為主,部分疾病諸如OSA需輔以無創(chuàng)呼吸機(jī)治療。AI可以優(yōu)化睡眠障礙的治療,主要表現(xiàn)在:AI將藥物基因組學(xué)、藥物表觀遺傳組學(xué)、代謝組學(xué)、蛋白質(zhì)組學(xué)、轉(zhuǎn)錄組學(xué)、微生物組學(xué)等多組學(xué)方案應(yīng)用于睡眠障礙病人藥物劑量反應(yīng)和藥物-睡眠質(zhì)量相互作用等方面,優(yōu)化藥物選擇平臺,幫助醫(yī)生了解任何特定個體對特定藥物的反應(yīng),從而提高治療效果,減少不良反應(yīng)[32]。最近一項(xiàng)納入132篇文獻(xiàn)的系統(tǒng)綜述研究發(fā)現(xiàn),機(jī)器學(xué)習(xí)模型可以指導(dǎo)手術(shù)治療后的預(yù)后預(yù)測和優(yōu)化持續(xù)氣道正壓治療,為臨床治療提供可操作的建議[33]。由此可見,AI可以通過整理、分析收集的睡眠數(shù)據(jù)自動進(jìn)行睡眠評分,從而實(shí)現(xiàn)更準(zhǔn)確的診斷,有助于疾病診斷和治療預(yù)后的預(yù)測,為睡眠治療的優(yōu)化和個性化提供理論支持。

3 AI在睡眠障礙應(yīng)用中的問題及挑戰(zhàn)

AI在加速睡眠醫(yī)學(xué)研究的同時,也存在一些不容忽視的問題:(1)AI中的“黑匣子”理論仍是目前對臨床判斷造成影響的重要問題之一[34]。這種固有的不透明性要求在今后的研究中提高算法的透明度,從而獲得臨床醫(yī)生的信任和認(rèn)可。(2)AI在對眾多生物醫(yī)學(xué)數(shù)據(jù)集分析及整理的同時,如何保護(hù)個人信息不被泄露,保護(hù)個人的數(shù)據(jù)安全等需要在未來的研究中進(jìn)一步制定相關(guān)的規(guī)章制度,保證AI在睡眠障礙領(lǐng)域的應(yīng)用更加規(guī)范[35]。

4 總結(jié)與展望

睡眠障礙是困擾全球的健康和經(jīng)濟(jì)問題,伴隨睡眠醫(yī)學(xué)的發(fā)展,AI成功引入睡眠醫(yī)學(xué)領(lǐng)域,雖然基于AI的特點(diǎn)本身可能存在一些問題及挑戰(zhàn),但是目前AI在睡眠障礙領(lǐng)域利用機(jī)器學(xué)習(xí)的不同算法展現(xiàn)了其巨大的臨床潛力。AI將促進(jìn)大型生物醫(yī)學(xué)數(shù)據(jù)集與多組學(xué)以及行為和環(huán)境數(shù)據(jù)相整合,從而加速睡眠醫(yī)學(xué)的研究。盡管AI的計(jì)算算法及其應(yīng)用還需要在臨床環(huán)境中進(jìn)一步研究與驗(yàn)證,但AI以其獨(dú)特的優(yōu)勢正慢慢成為臨床醫(yī)生的合作伙伴,幫助臨床醫(yī)生早期識別睡眠障礙,提高診斷的準(zhǔn)確性,提供可操作的臨床醫(yī)療建議,改善病人的臨床療效,助力睡眠醫(yī)學(xué)的發(fā)展[36]。