Диагностика в медицината на съня – поглед към бъдещето

Използвани съкращения:

ИИ – изкуствен интелект

ОСА – обструктивна сънна апнея

ПСГ – полисомнография

ЕЕГ – електроенц ефалография

ЕКГ – електрокардиография

EМГ – електромиография

ЕРГ – електроретинография

BAI – индекс на мозъчната възраст

PPG – фотоплетизмография

NREM – сън без бързи очни движения

REM – сън с бързи очни движения

Сънят е изключително важен биологичен процес, в който човек прекарва 1/3 от живота си. Благодарение на него човек поддържа ежедневната си активност, а качеството на съня има огромно влияние върху здравето, работоспособността и благосъстоянието. Въпреки че не всички функции на съня са напълно изучени, е известно, че той възстановява енергията, свързан е с имунната система и има въздействие както върху мозъчната функция, така и върху поведението¹. Краткотрайни промени в сънния патерн, като остро лишаване от сън, могат да нарушат преценката и когнитивните функции. Хроничното лишаване от сън е свързано с повишен риск от възникване на различни здравословни проблеми като затлъстяване, диабет, сърдечносъдови заболявания, депресия, тревожност, злополуки, свързани с прекомерна дневна сънливост, дори до повишена смъртност. Метаанализ на проспективни проучвания, включващ 470 000 души, е изследвал връзката между продължителността на съня и сърдечносъдовите заболявания. В сравнение с лицата, които са спали между 7 и 8 часа на нощ, при тези, които са спали по-малко от 6 часа, се наблюдава 48% увеличение на честотата на исхемична болест на сърцето и 15% увеличение на честотата на инсулт, докато при тези, които са спали повече от 8 – 9 часа, се наблюдава 38% увеличение на исхемична болест на сърцето, 65% увеличение на инсултите и 45% общо увеличение на сърдечносъдовите заболявания².

Епидемиологични проучвания са установили, че 1/3 от популацията би страдало от безсъние, а при 4 – 26% ще се наблюдава прекомерна дневна сънливост³. При 6 – 33% от популацията се среща обструктивна сънна апнея (ОСА) и за съжаление около 80% от пациентите остават недиагностицирани. Натрупващите се повече доказателства за ролята на съня за благосъстоянието, връзката му с различни болести и смъртността и икономическото му въздействие увеличават интереса към оценката на характеристиките на съня. Това доведе до разработването и използването на нови технологии, свързани със съня. През последните години промишлеността и академичните среди инвестираха сериозно в разработването на по-малки, по-малко натоварващи и по-преносими устройства за дълготрайно изследване на съня.

Златен стандарт за изследване на съня – полисомнография

От 1960 годинa полисомнографията (ПСГ) се използва в клинични условия за изследване на съня и е приета за златен стандарт в медицината на съня. Състои се от множество сензори, чрез които се оценява мозъчна активност чрез електроенцефалограма (ЕЕГ), движение на очите, въздушен поток, дихателните усилия и честота на дишане, кислородната сатурация, позицията на тялото, мускулната активност и сърдечната честота посредством електрокардиограма (ЕКГ). Традиционно ПСГ изисква участниците да спят в лабораторна среда. След това резултатите се оценяват от експерт, който е преминал обучение как да интерпретира записа. ПСГ е скъпа, отнема време и изисква обучени специалисти. Амбулаторната ПСГ е алтернативен метод, който често използва намален брой сензори и позволява изследването да се извършва извън лабораторията. Технологията обаче е ограничена в употребата си, тъй като остава непрактична за продължителна домашна употреба. Това изключва използването ѝ при дългосрочно наблюдение на съня или сън в естествени условия извън лабораторията. В резултат на това възможностите на тази техника за широкомащабни популационни проучвания е много ограничена⁴.

Нови технологии за отчитане на съня

Последните години се разработиха множество устройства, включващи сензори за носене (wearable devices), разположени на специфични места за измерване на сигнали, свързани със съня, включително мозъчната активност, сърдечна дейност, дишането и движенията (фиг. 1). Те са портативни, свързани са с по-малко проблеми, като артефакти от движение, което улеснява ежедневната им употреба от неспециалисти и значително разширява перспективите за приложението им.

Фиг. 1. Тенденция в диагностиката на съня⁵

Преносими устройства, свързани с оценка на мозъчна активност

Промяната в мозъчната активност е най-важният белег за петте стадия на цикъла сън-бодърстване (будност, сън с бързи очни движения (REM) и сън без бързи очни движения (N1, N2 и N3), както и на всякакви аномалии, възникващи при нарушения на съня⁶. Следователно, оценката на ЕЕГ е незаменим компонент на всяка система за наблюдение на съня, която има за цел да анализира съня в детайли. Стандартната ЕЕГ изисква експертна настройка и може да бъде натоварваща, неудобна и не е преносима. При домашната употреба на ЕЕГ устройства, принципът остава същият – електродите, прикрепени към повърхността на кожата, могат да улавят електрически сигнали за невронна активност. Няколко иновативни ЕЕГ устройства показаха обещаващи резултати по отношение на способността им да класифицират стадиите на съня. Едно такова устройство е портативен ЕЕГ апарат, поставен в ухото, състоящ се от два ЕЕГ електрода, интегрирани в мемори пяна. Създателят на устройството изтъква, че уникалното механично свойство на мемори пяната осигурява удобно прилягане към ухото на потребителя, прави надежден контакт между кожата и електрода и ефективно намалява артефактите на сигнала от пулсациите на кръвоносните съдове. Сравнително проучване със стандартна ПСГ е показало неговата способност за откриване на бавновълнов сън, измерване на латентността на съня и автоматизирана оценка на останалите стадии на съня⁷. Друго устройство е изработено на база на гъвкава отпечатана ултратънка залепваща лента с десет вградени електрода, оформени така, че да прилягат добре зад ухото. Чрез сравняване на ЕЕГ, получено от стандартна ПСГ, с този, получен от устройството, вариациите в ЕЕГ, получени от двете системи, са сходни. Друго иновативно устройство интегрира ЕЕГ електроди в диадема, за да се сведе до минимум ефектът от контактната резистентност⁸ (фиг. 2). Група учени са проектирали набор от микроигли, които могат да бъдат пробити в кожата за продължителен мониторинг. Въпреки че работата върху тези безжични, миниатюрни и иновативни ЕЕГ устройства е обещаваща, са необходими по-обширни проучвания, за да се определи възможността за използването им в науката и в клиничната практика.

Фиг. 2. Портативни ЕЕГ устройства за оценка на съня⁵

Преносими устройства, свързани с оценка на пулса

Въпреки че електрокардиографията се счита за златен стандарт за сърдечен мониторинг, измерването на пулсовата вълна чрез фотоплетизмографията (PPG) е широко прието като евтина, лесна и преносима алтернатива за измерване на сърдечната честота и вариации в пулсовата честота. PPG е технология, която използва оптични сензори за неинвазивен мониторинг на промените в обема на артериалната кръв. Тя се използва широко за измерване на кислородната сатурация и сърдечната честота. Методът се базира на използване на различни дължини на вълните на инфрачервена светлина с различни абсорбционни характеристики за оксихемоглобин и хемоглобин, за да оцени промените в кръвния обем чрез наблюдение на разликата в абсорбцията на дължината на вълната с фотодетектор. Тъй като обемът на кръвта се увеличава рязко след сърдечна контракция (което блокира LED светлината и намалява интензитета на отразената светлина) и намалява по време на сърдечната диастола (което увеличава интензитета на отразената светлина), е възможно да се оцени сърдечен ритъм. PPG е по-популярна от ЕКГ за мобилни устройства поради по-малкия си размер и по-лесната си структура и употреба⁵. Безжично устройство, наречено MORFEA, което се поставя на носа и е съставено от две PPG измервателни единици и един 3-осев акселерометър, е създадено с цел откриване на сънна апнея. Чрез анализиране на сигналите от PPG и акселерометъра, трансформирани от движението на ноздрите, устройството може да открие заболяването. MORFEA може също така да идентифицира пет различни позиции на тялото по време на сън с различни стойности на отместване, генерирани в данните от акселерометъра⁹. Чрез използване на PPG сигнали от два светодиода, пулсовата оксиметрия може да оцени насищането на кръвта с кислород. Подобно на PPG, стандартната пулсова оксиметрия се прави на върха на пръста. Последните разработки на устройства за оценка на съня с пулсова оксиметрия могат да измерват сигнали на различни други части на тялото. Така например е създадена нова система, която отчита пулсова оксиметрия в ушния канал. Уникалната характеристика на пулсовата оксиметрия в ухото е, че промяната в насищането с кислород в кръвта се открива средно 12,4 секунди по-рано от пулсовата оксиметрия, оценена чрез пръстов електрод¹⁰.

Преносими устройства, свързани с дихателните усилия

Честотата на дишането и екскурзиите на гръдния кош дават важна физиологична информация за оценка на нарушеното дишане по време на сън. Проведени са много изследвания за откриване на появата на сънна апнея чрез сърдечната честота, кислорода в кръвта и електромиографските сигнали. Въпреки това изследването на дихателния въздушен поток остава основен метод. През 2021 г. група учени създават нанокомплексни сензори за въздушен поток чрез графенови нанолистове с добра чувствителност и линейност¹¹. Основният метод за диагностика на въздушният поток се базира на промяна в налягането на въздуха в носната кухина и температурата в ноздрата по време на дихателните екскурзии. През 2018 г. Jiang и сътр. комбинират дихателен монитор със сензор за движение за по-всеобхватен скрининг на сънна апнея¹². Сензорът за дишане, проектиран от Vernon et al., се възползва от факта, че промените в температурата и влажността в устата и носа по време на дишането на човека влияят на сигнала на сензора за акустични повърхностни вълни¹³. Освен това патернът на дишането може да бъде оценен чрез засичане на движението на гръдния кош. Други автори получават сигнали за дишането чрез фиксиране на сензор за ускорение върху гръдната кост. През 2021 г. Ghahjaverestan и др. измерват обхвата на движение на коремната и гръдната кухина съответно със сензори за ускорение и позициониране, за да регистрират по-точно дихателния сигнал⁴.

Фиг. 3. Портативни устройства, свързани с дихателни усилия⁶

Преносими устройства, свързани с движение на тялото

През 2007 г. Американската академия по медицина на съня сертифицира актиграфията на китката за оценка на съня при здрави възрастни и някои пациенти със съмнения за нарушения на съня. Основното устройство за оценка на съня, поставено на китката, има вграден акцелерометър – сензор за леко движение, който оценява ускорението на тялото в една или повече равнини на движение. Хората са по-активни физически, когато са будни. Със задълбочаването на съня двигателната активност постепенно намалява, а мускулната активност по време на REM съня е подтисната. Ето защо появата и степента на движенията могат да бъдат засечени от акселерометри и преобразувани в цифрови сигнали, които могат да бъдат анализирани чрез специфични алгоритми с цел да се разграничат състоянията на сън/бодърстване и да се оцени качеството на съня. Въпреки присъщите ограничения при анализа на качеството на съня или прякото наблюдение на съня, актиграфията е популярен метод за оценка на цикъла сън-бодърстване поради лесното, евтино и ненатрапчиво приложение⁵. Електромиографията (ЕМГ) на крайниците е основен компонент на ПСГ и цели да оцени движенията на крайниците и мускулната активност. Така се определя кога пациентите са будни и това спомага за откриване на различни нарушения на съня, включително периодични движения на крайниците по време на сън. За да се постигне наблюдение на движенията на крайниците в домашни условия, е разработено безжично, гъвкаво, залепващо се устройство тип пластир, което е в състояние да измерва различни електрофизиологични сигнали, включително ЕМГ на краката. То е показало качество на ЕМГ сигнала на краката, сравнимо с това на ПСГ измерването на ЕМГ и успешно открива двигателни събития по време на сън. Когато е прикрепено към гръдния кош, това устройство може да измерва ЕКГ и честотата на дишане по време на сън, посредством вградения си акселерометър.

Оценка на съня, чрез системи, интегрирани в леглото

Мониторингът на съня чрез сензори, поставени в леглото на пациента, може да се използва за неинвазивно и непрекъснато наблюдение на жизнените показатели и за оценка на здравето. Предложени са методи за мониторинг, основани на принципите на натиск, пиезоелектрични и пневматични сензори. Сензорът, прикрепен към матраците, е чувствителен към микроналягания, като например дишане и сърдечен ритъм. Той може да преобразува механичната енергия на движенията в различни части на тялото в електрически сигнали чрез изпълнена с течност чувствителна на налягане част в подматрачната зона и да отдиференцира различните сигнали, свръзани с пулса, движенията на тялото и движенията на краката, което позволява неограничено наблюдение на съня⁵. Друг метод се базира на вибрационен сензор за наблюдение на честотата на сърдечния ритъм и дишането, движенията на тялото и позите по време на сън. Системата може да оценява сърдечната честота и дишането въз основа на вибрациите, създадени по време на сън. Анализът на сигналите може да идентифицира различни позиции на човешкото тяло в леглото. Технологията за мониторинг на съня в леглото е неинвазивен метод, който може да промени традиционната практика на използване на електроди за извършване на мониторинг на съня и ефективно да допълва откриването на различни физиологични параметри и диагностицирането на заболявания по време на сън. Въпреки това съществуват определени недостатъци, като трудности в уловяването на характерните вълни на дишането и сърдечния ритъм при честото движение на тялото върху системата за мониториране на съня, интегрирана в матрака (фиг. 4).

Фиг. 4. Сензор, интегриран в матрака⁵

Сензори, интегрирани в телефоните

Мобилните телефони разполагат с широк набор от сензори, като жироскопи, микрофони и акселерометри, които могат да се използват за наблюдение на съня. Едно от многобройните приложения за оценка на съня използва вградения микрофон на смартфона, за да открива събития, случили се по време на сън, като движение на тялото, кашлица и хъркане, чрез обработка на акустичните сигнали. Софтуерът постига точност от над 90% за събития (хъркане, кашлица, сън) при различни условия на околната среда¹.

„Радарен“ мониторинг на съня

През последното десетилетие високочестотните радиотехнологии демонстрираха способността си да улавят физиологични сигнали без контакт с тялото. Принципът е да се изпрати радиовълна с ниска енергия към човек, който е в леглото, и след това да се засече сигналът, отразен от тялото. Чрез обработка на сигналите е възможно да се извлече биологична информация, като например модели на дишане, сърдечен ритъм и движение на цялото тяло. Тези биологични сигнали могат да се използват за определяне на стадиите на съня, както и за оценка на безсъние⁵.

Устройства, свързани с допълнителни физиологични параметри

Напредъкът в областта на сензорите и устройствата за носене позволи да се използват и различни други видове физиологични сигнали за наблюдение на съня.

Влиянието на светлинната среда върху циркадните ритми на човека се превърна в обект за оценката на съня. Електрическият сигнал, преобразуван от ретината, отразява възприемането на светлината и за първи път е използван за диагностициране на очни заболявания. Установено е, че амплитудата на електроретинографията (ЕРГ) по време на бавновълнов сън е повече от два пъти по-висока, отколкото по време на бодърстване. Освен това моделите на електроретинографията по време на REM съня се различават от тези по време на бавновълновия сън. Скорошно проучване е установило, че ЕРГ се различава при пациенти с обструктивна сънна апнея¹⁴. Въпреки това връзката между очните заболявания и тези на съня трябва да бъде допълнително проучена. Измерване на електродермалната активност (ЕДА), представляваща оценка на електрическите свойства на кожата, набира популярност за оценка на съня. Разработено е гъвкаво и безжично интегрирано устройство за ЕДА, което може да се носи на пръстите в ежедневието, включително по време на сън. Данните от ЕДА, измерени с това устройство, могат да покажат ясна разлика в нивото на кожната проводимост при буден и заспал човек¹².

Изкуствен интелект в медицината на съня

Изкуственият интелект (ИИ) включва разработване на компютърни алгоритми, програми и софтуерни системи, които могат да се обучават и адаптират, за да подобрят работата си с течение на времето чрез натрупан опит. По този начин изкуственият интелект проявява форма на интелигентно поведение. Машинното обучение е както подобласт на ИИ, така и подход към изследването и разработването на ИИ. То използва комбинация от математически, статистически и информационно-теоретични методи за обучение и настройка на изпълнението на конкретни задачи чрез големи набори от данни от реалния свят. По отношение на скрининга за нарушения на съня ИИ може да помогне чрез използване на вече съществуващи клинични данни, за да идентифицира хора с висок риск от нарушения на съня. Така например операторите за агрегиране на данни, извлечени с ИИ, могат да скринират пациенти за ОСА и да използват метаданни от въпросници за съня, за да покажат корелации между действителния и прогнозирания от ИИ индекс на респираторни нарушения¹⁵. Изработен генетичен алгоритъм, съчетан с алгоритъм, извлечен чрез ИИ, използва данни от въпросници за оценка на съня и успешно идентифицира пациенти с апнея-хипопнея индекс 15 с чувствителност и специфичност до 88% и 97% съответно¹⁶. Подходите на изкуствения интелект могат да използват ЕЕГ за създаване на нови показатели, като например индекс на мозъчната възраст (BAI), генериран чрез изваждане на хронологичната мозъчна възраст на индивида от прогнозираната от ЕЕГ мозъчна възраст. Установено е, че BAI варира в зависимост от наличието или отсъствието на сърдечносъдови заболявания (напр. инсулт и хипертония), метаболитни заболявания (напр. диабет), депресия, епилепсия и припадъци, когнитивни нарушения и тежка прекомерна дневна сънливост. Установено е също, че индексът на мозъчната възраст е повишен при ОСА и има връзка с полисомнографски мерки като повишен индекс на пробуждания и ниска ефективност на съня. По този начин BAI има потенциала да бъде нов маркер за здравето на мозъка, който обхваща широк спектър от заболявания, причиняващи увреждания на централната нервна система¹⁶. Изкуственият интелект се внедрява и в диагностиката на нарушения на съня. Полисомнографското скориране е трудоемко, отнема много време и нерядко съдържа човешки грешки поради субективността на отделните оценители. Автоматизираното оценяване на ПСГ, управлявано от изкуствен интелект, се развива бързо и има потенциал да се справи с тези проблеми. В едно проучване, базирано на сравнение с мултиклиничен панел, изследователите са открили съответствие между отделните епохи на съня от 80% между автоматизирана система и оценяване от човешки експерт¹⁷. Преглед на литературата и метаанализ на 14 проучвания, фокусирани върху полисомнографско скориране, базирано на ИИ, показва съответствие около 85% между машинното и ръчното скориране. Въпреки че идеята за ИИ-оптимизирано лечение на нарушенията на съня в момента е предимно теоретична, потенциалът е неоспорим. Изследователи наскоро са използвали методи на ИИ, за да моделират успешно връзката между клинични и полисомнографски данни и оптимални терапевтични CPAP налягания¹⁸.

Заключение

Все по-голямото дигитализиране на мониторирането на съня вероятно ще има последици в индустрията, здравеопазването, академичните среди и личното здраве. Иновативните методи за оценка на съня биха осигурили по-добро разбиране на прогресията и тежестта на нарушенията на съня. Това би могло да улесни по-добрата и по-ранна диагностика и вземането на решения за отделните пациенти.

Литература

1. Perez-Pozuelo, I., Zhai, B., Palotti, J. et al. The future of sleep health: a data-driven revolution in sleep science and medicine. npj Digit. Med 2020; (3): 42.
2. Cappuccio P, Cooper D., D’elia, L. et al. Sleep duration predicts cardiovascular outcomes: a systematic review and meta-analysis of prospective studies. Eur. Heart J. 2011; 32: 1484 – 1492.
3. Hale L, Troxel W, Buysse J. Sleep Health: An Opportunity for Public Health to Address Health Equity. Annu Rev Public Health. 2020; 2(41): 8 – 99.
4. Yin J, Xu J, Ren TL Recent Progress in Long-Term Sleep Monitoring Technology. Biosensors (Basel). 2023; 3(13): 395.
5. Chen Y et al. The past, present, and future of sleep quality assessment and monitoring. Brain Res. 2023: 148333.
6. Kwon S, Kim H, Yeo WH. Recent advances in wearable sensors and portable electronics for sleep monitoring. iScience 2021; 5(24): 102461.
7. Alqurashi D et al A novel in-ear sensor to determine sleep latency during the Multiple Sleep Latency Test in healthy adults with and without sleep restriction. Nat Sci Sleep. 2018; 11(10): 385 – 396.
8. Sterr A et al. Sleep EEG Derived From Behind-the-Ear Electrodes (cEEGrid) Compared to Standard Polysomnography: A Proof of Concept Study. Front Hum Neurosci. 2018; 12(26): 452.
9. Manoni A et al. New Wearable System for Home Sleep Apnea Testing, Screening, and Classification. Sensors (Basel) 2020; 20(24): 7014.
10. Davies J et al. In-Ear SpO2: A Tool for Wearable, Unobtrusive Monitoring of Core Blood Oxygen Saturation. Sensors (Basel). 2020; 17(20): 4879.
11. Moshizi. A. Polymeric piezoresistive airflow sensor to monitor respiratory patterns. J. R. Soc Interface 18 2021; 20210753.
12. Jiang P et al Combination mode of physiological signals for diagnosis of OSAS using portable monitor. Sleep Breath. 2018; 22: 123 – 129.
13. Vernon J et al. Breath monitoring, sleep disorder detection, and tracking using thin-film acoustic waves and open-source electronics. Nanotechnol. Precis. Eng. 2022; 5: 033002.
14. Liguori C et al. Optic Nerve Dysfunction in Obstructive Sleep Apnea: An Electrophysiological Study. Sleep 2016; 39: 19 – 23.
15. Watson F, Fernandez R. Artificial intelligence and sleep: Advancing sleep medicine. Sleep Med Rev. 2021; 59: 101512.
16. Sun H et al. Brain age from the electroencephalogram of sleep. Neurobiol Aging 2019; 74: 112 – 120.
17. Anderer P et al. An E-health solution for automatic sleep classification according to Rechtschaffen and Kales: validation study of the Somnolyzer 24 x 7 utilizing the Siesta database. 2005; 15: 115 – 133.
18. Sun M et. al. A prediction model based on an artificial intelligence system for moderate to severe obstructive sleep apena. Sleep Breath 2011; 15: 317 – 323.