Apnea notturna: un dispositivo indossabile utilizza il machine learning per rilevarla
Il monitoraggio dell’apnea notturna potrebbe diventare più semplice ed accurato grazie ad un team di ricercatori di Onera, spin-off di IMEC, e dell’Università di Gand che ha sviluppato un dispositivo indossabile applicabile sul petto che tiene traccia della respirazione dell’utente.
Il dispositivo, descritto in uno studio pubblicato il 20 gennaio sull’IEEE Journal of Biomedical and Health Informatics, utilizza una combinazione di bioimpedenza (una misurazione dei segnali elettrici che attraversano il corpo) e algoritmi di machine learning.
Per sindrome da apnea notturna si intende l’insieme degli episodi che causano una disfunzione o alterazione respiratoria durante il sonno. A seconda delle cause che li determinano, i tipi di apnea notturna si distinguono in:
La condizione può compromettere la qualità della vita e, in alcuni casi, portare a malattie cardiovascolari, problemi di memoria e altre complicazioni di salute.
La diagnosi dell’apnea notturna è stabilita fondamentalmente sulla base di criteri sintomatici ed esami di monitoraggio di alcuni parametri fisiologici durante il sonno. Nei casi di difficile interpretazione il test diagnostico di riferimento è rappresentato dalla polisonnografia.
Il polisonnigrafo viene collegato all’individuo sotto esame, tramite dei sensori cutanei e va a registrare l’andamento e le variazioni dei seguenti parametri: le onde cerebrali, il livello di ossigeno, il battito cardiaco la respirazione, i movimenti oculari e i movimenti degli arti.
Il gruppo di ricercatori, che aveva precedentemente sviluppato un dispositivo per misurare la bioimpedenza, ha provato ad applicare la stessa tecnica per monitorare gli schemi respiratori delle persone con apnea notturna.
Robin, così si chiama il dispositivo, applica una piccola corrente al corpo a una frequenza nota e misura la tensione risultante in una posizione diversa del corpo.
“Quando un paziente respira l’aria entra nei polmoni e il torace si espande, provocando cambiamenti di impedenza nel torace. Misurando la bioimpedenza sul petto può essere valutata la respirazione.” AffermaTom Van Steenkiste, ricercatore coinvolto nello studio.
I ricercatori hanno poi applicato un algoritmo di deep learning per rilevare eventi di apnea notturna nelle misurazioni della bioimpedenza. Hanno confrontato i risultati della loro tecnica con i dati di 25 volontari che sono stati monitorati in una clinica del sonno e hanno scoperto che il loro approccio ha un’accuratezza del 73% nel rilevare eventi di apnea notturna.
Altre attrezzature sul mercato utilizzano elastici o sensori MEMS per rilevare i modelli di respirazione indirettamente dall’esterno del corpo, ma il dispositivo Onera basa la rilevazione su segnali provenienti dall’interno, e questo lo rende più affidabile.
I ricercatori stanno attualmente lavorando su come combinare la loro tecnologia con dispositivi per l’analisi di altri parametri, poiché le linee guida dell’American Academy of Sleep Medicine richiedono il monitoraggio di segnali fisiologici aggiuntivi (ad esempio il livello di ossigeno nel sangue) per la valutazione dell’apnea notturna.