Ключевые результаты
Исследователи разработали автоматизированную систему MSIF-Net (Multi-Stream Imaging Fusion Network) для оценки стадий сна по ЭЭГ у пациентов с REM sleep behavior disorder (RBD). Модель продемонстрировала высокую точность классификации:
- F1-score 0.84 для стадии бодрствования
- F1-score 0.94 для NREM-сна
- F1-score 0.80 для REM-сна
Автоматизированные оценки REM% показали обратную корреляцию с выраженностью симптомов:
- PSQI (качество сна): ρ = −0.507 (q < 0.001)
- RBDSQ (тяжесть RBD): ρ = −0.454 (q = 0.002)
Методология
Архитектура MSIF-Net
Модель интегрирует три потока данных через attention-based fusion:
- 1D CNN для обработки сырых ЭЭГ-сигналов
- 2D CNN для анализа время-частотных спектрограмм
- 65 рукотворных дескрипторов сигнала
Дизайн исследования
Этап 1: Валидация на уровне эпох с использованием пятикратной кросс-валидации для классификации Wake/NREM/REM
Этап 2: Тестирование фиксированной модели на независимой когорте пациентов с RBD для оценки:
- Процента NREM и REM сна от общего времени сна (TST)
- Согласованности с ручными оценками (Bland-Altman анализ)
- Корреляций с клиническими шкалами (Spearman, FDR-коррекция)
Клиническое значение
Патофизиологическая релевантность
Нарушения REM-архитектуры являются центральными в патогенезе RBD и клинически значимы для оценки симптоматической нагрузки. Автоматизированная система позволяет:
- Стандартизировать оценку REM-параметров в клинической практике
- Объективизировать связь между архитектурой сна и выраженностью симптомов
- Сократить время анализа полисомнографических данных
Практические преимущества
Модель требует только ЭЭГ-данные без необходимости в полном полисомнографическом мониторинге, что:
- Упрощает техническое оснащение
- Снижает стоимость исследований
- Повышает доступность диагностики
Диагностическая точность
Основные ошибки классификации связаны с REM-wake путаницей, что отражает известные сложности дифференциации этих состояний при RBD из-за:
- Атонии мышц во время REM без поведенческих проявлений
- Фрагментированности REM-сна
- Повышенной двигательной активности
Выводы
MSIF-Net представляет собой клинически валидный инструмент для автоматизированной оценки архитектуры сна при RBD. Система обеспечивает:
- Высокую точность трёхклассовой классификации стадий сна
- Клиническую согласованность с ручными оценками специалистов
- Значимые корреляции с объективными показателями тяжести заболевания
Автоматизированные метрики REM% могут служить объективным биомаркером для:
- Оценки тяжести RBD
- Мониторинга эффективности терапии
- Стратификации пациентов в клинических исследованиях
Разработка открывает перспективы для персонализированной медицины в области расстройств сна и может способствовать более точной диагностике нейродегенеративных заболеваний, ассоциированных с RBD.