Pilotstudie zur automatisierten Auswertung der Polysomnographie durch Künstliche Intelligenz (KI)

Hintergrund Der derzeitige Goldstandard für die Diagnose der obstruktiven Schlafapnoe ist die Polysomnographie, die Fachärzte erfordert, arbeitsintensiv, teuer und teilweise nur schwer zugänglich ist (Brennan and Kirby 2022). Die American Academy of Sleep Medicine (AASM) hat bereits 2020 eine klare Stellungnahme zur Erforschung Künstlicher Intelligenz (KI) in der Schlafmedizin abgegeben (Goldstein, Berry et al. 2020). Diese Pilotstudie soll die Machbarkeit der Entwicklung einer herstellerübergreifenden, automatisierten Auswertung der Polysomnographie mittels KI evaluieren.

Methoden Aus einem Gesamtdatensatz von 3.927 Patient*innen, die eine Polysomnographie im Unispital Basel oder im Universitätsklinikum Freiburg erhalten haben, wurden in dieser retrospektiven, multizentrischen Studie 621 Patient*innen analysiert. Zur Verfügung standen heterogene Daten aus den RemLogic^™-, MiniScreen^™- und SomnoMedics^™-Systemen, welche zur Validierung homogenisiert wurden.

Ergebnisse Bei 584 Patient:innen konnten 27 Variable abgefragt werden. Darin enthalten sind alle geforderten Parameter der aktuellen BUB-Richtlinien 2004. Durch Analyse von über 3.000 Stunden physiologischer hochauflösender Mess- und Videodaten konnte eine Methode entwickelt werden, welche die Analyse von Daten aus verschiedenen Systemen ermöglicht. Die Entwicklung von zwei validierten Systemen, die sich durch Hinzufügen der ärztlichen Beurteilungen im Lernprozess der KI unterschieden, wurde geprüft. Aufgrund der höheren Validität wurde ein Entscheid für einen Lernprozess mit den vorhandenen Beurteilungen getroffen.

Schlussfolgerung Die Voraussetzungen für die Entwicklung einer validierten KI konnte durch die Analyse und Integration homogenisierter und hochauflösender Datensätze geschaffen werden. Insbesondere die Korrektur mit der klinischen Beurteilung und die plattformübergreifende Auslegung stellen einen Benefit für aktuelle Probleme in der Entwicklung KI-gestützter Analysesysteme dar (Bandyopadhyay and Goldstein 2023). Eine Folgestudie sollte neben einer Analyse des Gesamtdatensatzes auch prospektiv erhobene Datensätze beinhalten.

Publikationsverlauf

Artikel online veröffentlicht:
01. März 2024