マウントサイナイが率いる研究チームは、世界中で何百万人もの人々に影響を与えている一般的な睡眠障害の検出を改善するAIを活用した手法を開発し、パーキンソン病や認知症などの病気の診断にも影響を与えている。
マウントサイナイが率いる研究チームによる画期的な進歩のおかげで、世界中の何百万人もの人々が、一般的だが困難な睡眠障害の診断をより迅速かつ正確に受けられる可能性がある。この先駆的な取り組みにより、臨床睡眠検査のビデオ録画を分析できるAI搭載アルゴリズムが強化された。 公表 Annals of Neurology に掲載されたこの論文は、レム睡眠行動障害 (RBD) の特定に革命をもたらすと期待されています。
RBD は、睡眠中の急速眼球運動 (REM) 期に異常な動きや夢の身体的な表現を伴う症状です。米国だけで 1 万人を超える人が罹患している RBD 単独症状は、パーキンソン病や認知症などの重篤な神経疾患の早期兆候となることがよくあります。
しかし、その診断は非常に困難で、医療専門家による睡眠研究の主観的なレビューが必要になります。
これまでの研究では、特に寝具で視界が遮られる場合、RBD の動きの微妙な部分を捉えるには高度な 3D カメラが必要になる可能性があることが示唆されていました。
しかし、インスブルック医科大学と協力し、スイス連邦工科大学ローザンヌ校の貢献も受けたマウントサイナイ主導の画期的な取り組みにより、この概念は打ち砕かれました。
研究者らは、臨床睡眠研究室で利用できる従来の 2D カメラを利用して、標準的なビデオ睡眠ポリグラフデータを解釈できる自動機械学習法を開発しました。
「この自動化されたアプローチは、睡眠検査の解釈中に臨床ワークフローに統合され、診断を強化して容易にし、診断の見逃しを防ぐことができる」と、マウントサイナイのアイカーン医科大学の神経学および医学の准教授で主執筆者のエマニュエル・デュリング医学博士は述べた。 ニュースリリース.
彼は、この方法が睡眠検査中に観察された動きの重症度に基づいて治療計画を調整するのに役立ち、最終的にはより個別化された患者ケアを可能にすると強調した。
この研究では、RBDと診断された約80人の患者と、別の睡眠障害があるか睡眠障害のない約90人の対照群の睡眠記録を分析しました。チームは、ビデオフレーム間のピクセルの動きを検出するAIを使用して、動きの速度や大きさなどのさまざまな要素を評価し、前例のない92%の精度を達成しました。
この技術を臨床現場に導入することで、より効率的な診断プロセスが促進され、誤診のリスクが大幅に軽減され、RBD と密接に関連する症状に対する早期介入が可能になります。
これらの発見の潜在的な影響は、個々の診断だけにとどまりません。医療業界が AI と機械学習の技術を統合し続けると、診断精度の向上や治療の個別化が当たり前になる可能性があります。