睡眠時無呼吸の自動識別のためのパルスオキシメトリー信号：レビューと今後の動向

Pulse oximetrysignal for automated identification of sleep apnea: a review and future trends.

抄録

睡眠時無呼吸症候群（SA）は、睡眠中に起こる、無呼吸または低呼吸の休止または呼吸減少の断続的なエピソードを特徴とし、それぞれ少なくとも10秒間持続する。睡眠時無呼吸症候群の世界的有病者数は2億人と推定され、医学的合併症を伴い、また患者は日中の傾眠により交通事故や労働災害を起こしやすい。SAは早期に発見されれば治療が可能である。多チャンネルの信号収集を伴う睡眠ポリグラフ検査（PSG）がSA診断の基準であるが、負担が大きく費用もかかる。在宅でのSA検出には、携帯型パルスオキシメータを用いたシングルチャンネル信号取得が可能である。機械学習（ML）および深層学習（DL）モデルは、信号のみによるSAとSAなしの自動分類のために開発されてきた。本研究では、SAの信号ベースの診断のためのMLおよびDLの使用について、2012年から2022年までに発表された研究をレビューする。PRISMA勧告に基づく文献検索により297件の論文が得られ、その中から包含基準および除外基準を考慮した上で31件を選択した。20のMLモデルと11のDLモデルがあり、それらの方法、相違点、結果、利点、および限界について議論された。多くの研究で有望な結果が報告されており、在宅SA検出におけるウェアラブルデバイスの信号の有用性を示している。

Sleep apnea (SA) is characterized by intermittent episodes of apnea or hypopnea paused or reduced breathing, respectively each lasting at least ten seconds that occur during sleep. SA has an estimated global prevalence of 200 million and is associated with medical comorbidity, and sufferers are also more likely to sustain traffic- and work-related injury due to daytime somnolence. SA is amenable to treatment if detected early. Polysomnography (PSG) involving multi-channel signal acquisition is the reference standard for diagnosing SA but is onerous and costly. For home-based detection of SA, single-channelsignal acquisition using portable pulse oximeters is feasible. Machine (ML) and deep learning (DL) models have been developed for automated classification of SA versus no SA usingsignals alone. In this work, we review studies published between 2012 and 2022 on the use of ML and DL forsignal-based diagnosis of SA. A literature search based on PRISMA recommendations yielded 297 publications, of which 31 were selected after considering the inclusion and exclusion criteria. There were 20 ML and 11 DL models; their methods, differences, results, merits, and limitations were discussed. Many studies reported encouraging performance, which indicates the utility ofsignals in wearable devices for home-based SA detection.