ديب سليب: تحديد سريع ودقيق لاستيقاظات النوم بدقة جزئية من مللي ثانية باستخدام التعلم العميق

الخلفية: تُعد الاستيقاظات أثناء النوم فترات مؤقتة من اليقظة التي تُدمج في النوم. وترتبط الاستيقاظات المفرطة بعدة آثار سلبية، منها النعاس أثناء النهار والاضطرابات النومية. إن التصنيف عالي الجودة لتسجيلات التخطيط الكهربائي للنوم (البوليسومنوجرام) أمر بالغ الأهمية لتشخيص اضطرابات الاستيقاظ أثناء النوم. في الوقت الحالي، يتم تصنيف الاستيقاظات بشكل رئيسي من قبل الخبراء البشريين من خلال مراجعة ملايين النقاط البيانات يدويًا، وهو ما يتطلب وقتًا وجهدًا كبيرين.الطرق: استخدمنا تسجيلات التخطيط الكهربائي للنوم لـ 2,994 فردًا من مجموعتين مستقلتين (1) مجموعة بيانات مسابقة PhysioNet (n=994)، و(2) مجموعة بيانات دراسة صحة القلب والنوم (n=2000) لتدريب النموذج (60٪)، والتحقق منه (15٪)، واختباره (25٪). طوّرنا منهجية قائمة على شبكة عصبية عميقة ذات تلافيف (Deep Convolutional Neural Network)، تُسمى DeepSleep، لتقسيم تلقائي لأحداث الاستيقاظ أثناء النوم. وقد تمكّن هذا المنهج من التقاط التفاعلات القصيرة والممتدة النطاق بين الإشارات الفسيولوجية على مقياس زمني متعدد، مما يعزز اكتشاف الاستيقاظات أثناء النوم. كما تم تطبيق استراتيجية تكبير مبتكرة تتمثّل في استبدال عشوائي للقنوات الفسيولوجية المشابهة لتحسين دقة التنبؤ.النتائج: مقارنةً بطرق حسابية أخرى في دراسات النوم، يتميز DeepSleep بدقة عالية (مجال تحت منحنى استجابة التشغيل المُستقبلية: 0.93، ومجال تحت منحنى الدقة والاستدعاء: 0.55)، ودقة عالية (دقة زمنية تصل إلى 5 مللي ثانية)، وسرعة كبيرة (10 ثوانٍ لكل تسجيل نوم). وقد حلّ هذا المنهج في المرتبة الأولى في تقسيم الاستيقاظات غير المرتبطة بالانقطاع التنفسي عند تقييمه على مجموعة بيانات كبيرة مُحتفظ بها (n=989) ضمن مسابقة PhysioNet لعام 2018. ووجدنا أن DeepSleep قدم تفاصيل أكثر دقة من البشر، خصوصًا في مناطق الحدود ذات الثقة المنخفضة بين أحداث الاستيقاظ وغير الاستيقاظ. ويُشير ذلك إلى أن التصنيف الافتراضي (in silico) يُكمّل التصنيف البشري، وربما يُسهم في تطوير النظام الثنائي الحالي للعلامات والمعايير التقييمية لاستيقاظات النوم.التفسير: حقق النموذج المعتمد على التعلم العميق المُقترح أداءً رائدًا في كشف استيقاظات النوم. وبإدخال مفهوم احتمال ثقة التصنيف، سيوفر هذا النموذج معلومات أكثر دقة لتشخيص اضطرابات النوم وتقييم جودة النوم.