Een studie uitgevoerd door een internationaal onderzoeksteam toonde aan dat een algoritme op basis van machine learning het slaapapneu syndroom kan opsporen bij kinderen via nachtelijke oxymetrie. De resultaten werden gepubliceerd in de European Respiratory Journal.
Het slaapapneu syndroom treft een op de twintig kinderen. Het is een ziekte met aanzienlijke neurocognitieve, metabolische en gedragsproblemen. Bij kinderen is er bovendien een diagnostisch probleem omdat snurken, het belangrijkste symptoom van de ziekte voorkomt bij een kind op de vier. Het probleem schuilt vooral in de schaarste van slaapklinieken voor kinderen en het naar gevoel dat veroorzaakt wordt door de polysomnografie zelf voor de kinderen én voor de ouders die voor het onderzoek een nacht moeten doorbrengen in het ziekenhuis. Het afgelopen decennium werd de nachtelijke oxymetrie geïntegreerd in de diagnose van slaapapneu, ook al waren er problemen met de schaalbaarheid.
Om die problemen op te lossen ontwikkelde een team van Chinese, Spaanse en Amerikaanse onderzoekers een algoritme op basis van deep learning om de gegevens te analyseren van de nachtelijke oxymetrie van meer dan vierhonderd kinderen die snurkten.
Met het nieuwe systeem van de onderzoekers kan de oxymeter gebruikt worden voor metingen via Bluetooth en een smartphone voor transmissie naar een cloud voor de analyse van de resultaten.
De resultaten pleiten voor de doeltreffendheid van het algoritme. De onderzoekers konden een hogere superioriteit van 79% aantonen voor de diagnose van slaapapneu bij kinderen in alle vormen van ernst. Niet meer dan 4.7% van de resultaten was vals-negatief waarbij 0.6% van de kinderen een matige tot ernstige slaapapneu had.
De auteurs publiceerden hun werk in de European Respiratory Journal en komen tot het besluit dat de aanpak in de toekomst slaapapneu bij kinderen makkelijker opspoorbaar maakt in regio’s waar geen slaapklinieken voor kinderen zijn.
