Umaer Hanif_Søvnapnø

Kunstig intelligens kan diagnosticere søvnapnø

torsdag 02 dec 21

Kontakt

Umaer Rashid Hanif
Ph.d.-studerende
DTU Sundhedsteknologi

Kontakt

Helge Bjarup Dissing Sørensen
Gruppeleder, Lektor MSK, Ph.D.
DTU Sundhedsteknologi
45 25 52 44

Forskere fra DTU Sundhedsteknologi har udviklet en ny 3D scanningsbaseret screeningsmetode til diagnosticering af søvnapnø.

Obstruktiv søvnapnø er en sygdom, hvor den øvre del af luftvejene bliver spærret i mere end 10 sekunder ad gangen, når man sover. Det betyder, at søvnen og dermed søvnkvaliteten bliver forstyrret, når en person udsættes for gentagne kvælningsanfald igennem natten. Nogle studier peger på, at så mange som 20% af befolkningen lider af søvnapnø. Tallene svinger dog en del, da søvnapnø er en underdiagnosticeret sygdom. Mange er simpelthen ikke klar over, at de lider af det, da symptomerne, som inkluderer træthed og at man føler sig uoplagt i løbet af dagstimerne, er diffuse og kan tilskrives mange ting ud over søvnapnø.

Ph.d. studerende Umaer Rashid Hanif fra DTU Sundhedsteknologi, som er en del af lektor Helge B.D. Sørensens forskningsgruppe Biomedicinsk Signalbehandling & AI, har udviklet en ny screeningsmetode til diagnosticering af obstruktiv søvnapnø. Ud fra en 3D scanning af en patients ansigt og halsregion kan han forudsige om en patient lider af obstruktiv søvnapnø og derfor bør sendes til en egentlig søvntest i et søvnlaboratorium.

”Projektet er lavet i samarbejde mellem DTU Sundhedsteknologi, Rigshospitalet Glostrup (prof. Jennums gruppe) og Stanford University (prof. Mignots gruppe), hvor jeg har været på udveksling i 1,5 år under mit ph.d. studie. Det var Stanford søvnklinik, der stod for alle 3D scanningerne, som jeg har arbejdet videre med. Man ved at ansigtets anatomi samt personers halsområde bl.a. hvis der er meget fedt omkring halsen, er korreleret med søvnapnø. Min del i projektet har været at træne algoritmen. Altså at bruge kunstig intelligens og maskinlæring til at træne en model baseret på den indsamlede data”, fortæller Umaer Rashid Hanif.

Datadrevet metode på højde med anvendt screeningsværktøj

Metoden, som anvendes til at udvikle eller træne den kunstige intelligens med, er fuldstændig datadrevet. Det vil sige, at forskerne kun fodrer modellen med data, som i dette tilfælde bestod af 3D scanninger af patienter, som skulle have foretaget en søvntest, samt resultatet fra denne søvntest, hvor patienternes vejrtrækning monitoreres ved hjælp af diverse sensorer mens de sover og der laves en opgørelse på, hvor mange gange de stopper med at trække vejret i mere end 10 sekunder per time, dette kaldes også AHI (Apnø-Hypopnø-Index) score.

En del af den samlede datamængde blev brugt til at træne modellen med, mens en anden del blev holdt udenfor for at man efterfølgende kunne teste modellens nøjagtighed. Her viste det sig, at den kunstige intelligens performede lige så godt som den spørgeskemametode, der i dag anvendes til at screene patienter. Derudover bedte forskerne en række erfarne søvnlæger vurdere 3D scanningerne og på baggrund af disse prædiktere den enkelte patients AHI score. Igen var den datadrevne model på højde med de erfarne lægers vurdering.

Mere data og forskning

For at denne metode kan komme ud til patienterne i klinikken skal der mere data og forskning til. Ph.d. studerende Umaer Rashid Hanif forklarer, ”Det var meningen, at det der skulle have været optaget data fra 30.000 patienter, men af forskellige grunde måtte man stoppe data indsamlingen allerede efter 1.500. Og det begrænsede desværre modellens performance. Det ville efter min overbevisning være blevet bedre med den oprindelige mængde data. Jeg er snart færdig med min ph.d. men jeg håber at andre vil arbejde videre med dette område, da denne sygdom har store konsekvenser for de mennesker, der lider af den. Ud over træthed og uoplagthed i dagstimerne forbindes den med alvorlige lidelser som hjertekar komplikationer og demens. Søvn har stor betydning for vores helbred og velbefindende.”

Læs mere i den videnskabelige artikel publiceret i IEEE Journal of Biomedical and Health Informatics https://ieeexplore.ieee.org/abstract/document/9425441.

(Top foto: Ph.d. studerende Umaer Rashid Hanif screenes for obstruktiv søvnapnø med 3D scanning. Foto af Jesper Scheel)