كشف التحفيز النومي من الجيل الحديث، وتقييمه على مجموعة بيانات سريرية شاملة

بهدف تطبيق كشف الاستثارة التلقائي لدعم مختبرات النوم، قمنا بتقييم نهج مُحسَّن وحديث من نوعه باستخدام بيانات من العمل اليومي في مختبر النوم التابع لمستشفى الجامعة. ولهذا الغرض، تم تدريب نموذج خوارزمية التعلم الآلي وتقييمه على 3423 مُسجلاً للكهرباء الدماغية (البوليسومنوجرامات) لأشخاص يعانون من اضطرابات نوم متنوعة. ويتكون معمارية النموذج من نموذج U-net يقبل إشارات بتردد 50 هرتز كمدخلات. قارنا هذه الخوارزمية بمناهج تم تدريبها على مجموعات بيانات متاحة للعامة، ثم قمنا بتقييم هذه النماذج باستخدام مجموعة بيانات سريرية خاصة بنا، مع التركيز بشكل خاص على تأثير الاضطرابات النومية المختلفة. ولتقييم الأهمية السريرية، صممنا مقياسًا مبنيًا على خطأ مؤشر الاستثارة المُقدَّر. حققت النماذج لدينا منطقة تحت منحنى الدقة والاستدعاء (AUPRC) تصل إلى 0.83، ودرجات F1 تصل إلى 0.81. كما أظهر النموذج المدرب على بياناتنا لا يوجد تحيز حسب العمر أو الجنس، ولا تأثير سلبي كبير ناتج عن الاضطرابات النومية على أداء النموذج مقارنة بالنوم السليم. في المقابل، أظهرت النماذج المدربة على مجموعات البيانات العامة تأثيرًا سلبيًا طفيفًا إلى متوسط (حسب حساب معامل كوهين d) للإصابات النومية على أداء النموذج. وبالتالي، نستنتج أن كشف الاستثارة من المستوى المتقدم ممكن باستخدام معمارية نموذجنا على البيانات السريرية. وبهذا، تدعم نتائجنا التوصية العامة باستخدام مجموعات بيانات سريرية في التدريب، إذا كان المقصود تطبيق النموذج على بيانات سريرية.