Sistema assistido por computador para classificação do electroencefalograma do sono e detecção de micro despertares

Abstract

Nas sociedades mais evoluídas, de dia para dia, maior é o número de pacientes que sofrem de patologias ligadas ao sono, pelo que, têm surgido em todo o mundo, inúmeros laboratórios e clínicas de análise de sono. A análise de um registo de sono, é para o especialista, um trabalho difícil e cansativo, devido à dificuldade existente em manusear um conjunto significativo de variáveis durante um período de tempo considerável. Vários sistemas automáticos foram desenvolvidos, com o objectivo de minorar os problemas levantados. Apesar disso, algumas questões permanecem em aberto. Primeiro, a distinção dos estádios de sono mais superficiais não é muito eficaz. Segundo, os sistemas descritos não apresentam qualquer indicador da qualidade da classificação, não permitindo por parte do especialista, uma reavaliação qualitativa, na procura da diminuição dos erros produzidos. Finalmente, os sistemas automáticos de classificação de épocas de EEG em estádios de sono, baseiam-se, na perspectiva clássica de Rechtschaffen e Kales (R&K), sendo a época analisada como um todo, não se atendendo às micro transições que eventualmente ocorrem no intervalo de tempo que se pretende caracterizar. Por isso, para alguns tipos de patologias, a análise clássica, de per se não caracteriza completamente o sono, uma vez que para alguns pacientes, o sono é fragmentado por aumentos transitórios da vigília, que em muitos casos não conduzem à passagem ao estado de acordado, e que, portanto, não podem ser detectadas por simples observação do hipnograma. O hipnograma pode neste caso, não reflectir qualquer desvio relativamente ao que se obtém a partir de padrões normais, apesar da má qualidade do sono do paciente. Torna-se assim necessário, no estudo de algumas doenças de sono, a análise em duas escalas diferentes: o estudo clássico do comportamento do sono, com base na classificação de segmentos de comprimento temporal fixo; e a deteção de estados transitórios que ocorram num qualquer momento, nomeadamente, a deteção de aumentos da vigília, durante curtos instantes. A resolução dos problemas enunciados, constituiu a motivação principal que presidiu a este trabalho. Assim, desenvolvemos um sistema automático de análise e classificação do EEG de sono em tempo real, que permite a deteção de transitórios aos estádios definidos pelo paradigma de R&K, nomeadamente os micro arousals, melhorando também, os resultados da classificação quando é necessário distinguir os estádios de sono mais superficiais. Este sistema, fornece uma avaliação automática da classificação feita, com base na consistência dos vectores dos parâmetros característicos, indicando qual o grau de credibilidade da saída produzida.

In today's developed societies, the number of people affected by sleep disorders is growing by the day. To handle a growing number of patients, there has been a steady growth in the number of sleep analysis clinics and laboratories. Human sleep stages are hand-scored by an expert and this a laborious, time consuming and difficult task. To overcome these difficulties several automatic sleep data analysis systems where developed over the last 20 years. In spite of the advantages of these systems, some question remains unanswered. In the first place, light sleep epoch scoring is not as good has it should be. Secondly, the systems developed so far do not give any indication of the quality of the scoring. This means that an expert evaluating the output of an automatic sleep analysis system has no easy way to be assured of the accuracy of the results produced. Finally, automatic scoring systems are based on the Rechtschaffen and Kales (R&K) rules. A sleep epoch is analysed as a whole, thus disregarding the micro arousals that may occur in the time frame being analysed. As the micro arousals are not registered in the hipnogram, the output of the standard automatic system, for a patient with this kind of sleep disorder, can have no meaningful differences from a normal hipnogram. In order to be detected by the automatic system, some sleep pathologies require, by the reasons just presented, a two pronged approach: a classical R&K study of sleep behavior, based on the scoring of fixed time length sleep segments, and a micro arousals detection study. In this work we present an automatic real-time sleep staging system that performs both a R&K sleep analysis and micro arousals detection. This system improves the agreement between the results of automatic sleep stages scoring and the hand-scoring performed by an expert, specially when there is a need to distinguish light sleep stages. Furthermore, the system produces a measure of the quality of the scoring performed, based upon feature consistency, thus giving the expert a quick way to evaluate the accuracy of the study results.