郁飛 葉亮 谷偉

阻塞性睡眠呼吸暫停 (obstructive sleep apnea,OSA)是一種以夜間反復(fù)上氣道阻塞、間歇性低氧血癥以及日間嗜睡為特點的疾病。研究證實,OSA是高血壓、冠心病、卒中等嚴重疾病的獨立危險因素[1]。我國OSA的發(fā)病率為2%～4%,并且隨著人群肥胖率的增長,OSA的發(fā)病率逐漸升高[2]。未經(jīng)良好治療的OSA與其顯著的并發(fā)癥給個人健康構(gòu)成了極大的威脅[3]。人工智能(Artificial Intelligence,AI)作為計算機技術(shù)的一個新領(lǐng)域,致力于開發(fā)一套理論、方法和技術(shù)應(yīng)用系統(tǒng),用以模擬、延伸和擴展人類智能。借助強大的圖像識別、數(shù)據(jù)挖掘和深度學(xué)習(xí)等技術(shù),AI有望為醫(yī)學(xué)領(lǐng)域的一些難題提供解決方案。本文就近年來,AI在OSA診斷以及治療方面的研究進展進行綜述。

一、AI在OSA診斷中的應(yīng)用研究進展

目前,多導(dǎo)睡眠檢測(Polysomnography,PSG)是OSA診斷的金標準。PSG對多種不同生理信號進行夜間記錄,記錄完畢后,由醫(yī)生對記錄結(jié)果進行分析與判定。而借助AI進行PSG數(shù)據(jù)分析,能夠提高診斷效率和準確性。但由于PSG設(shè)備價格高昂、操作繁瑣,難以在臨床上廣泛開展,導(dǎo)致大量OSA患者不能得到及時診斷。同時,進行PSG監(jiān)測時,患者處于陌生的睡眠環(huán)境,并佩戴多個電極片和導(dǎo)聯(lián)線,不可避免地影響患者的睡眠質(zhì)量,影響診斷準確性,甚至導(dǎo)致監(jiān)測失敗[4]。

近年來,隨著AI技術(shù)的發(fā)展,越來越多的學(xué)者嘗試將AI應(yīng)用在OSA診斷中,尋找相對準確、舒適,適合篩查的診斷方法。

1. 人臉識別

既往研究證實,頜面部結(jié)構(gòu)異常是OSA的發(fā)病機制之一。而下頜骨后移、上頜骨塌陷、面部脂肪堆積過多等是 OSA患者典型的面部特征[5]。因此,有學(xué)者嘗試通過AI學(xué)習(xí)OSA患者的面部特征,運用人臉識別的技術(shù)篩查具有OSA高危面部結(jié)構(gòu)的人群。Sutherland 等[6]根據(jù)正面和側(cè)面照片的面部關(guān)鍵點,計算出 44 個與面部、上頜骨、下頜骨、眼睛、鼻子和頸部尺寸相關(guān)的變量之后,采用邏輯回歸和分類回歸樹算法預(yù)測建模。Balaei 等[7]用基于級聯(lián)形狀回歸的方法進行關(guān)鍵點定位。Lin 等用Resnet50 網(wǎng)絡(luò)對正面和側(cè)面人臉圖像進行分類,發(fā)現(xiàn)使用側(cè)面人臉圖像診斷OSA準確率更高[8]。根據(jù)上述相關(guān)研究,人臉識別的OSA診斷準確度在70%～80%。良好的人臉識別模型能夠利用面部特征快速識別高風險的OSA患者,但是對于因咽扁桃體肥大、鼻甲肥大等內(nèi)在結(jié)構(gòu)異常導(dǎo)致的OSA識別作用有限。

2. AI算法診斷模型

OSA患者往往具有肥胖、打鼾、夜間血氧飽和度下降等臨床特征,通過人工智能的方法學(xué)習(xí)這些臨床特征來輔助診斷OSA是目前的研究熱點。Viner[9]將410名OSA患者納入測試,運用邏輯回歸算法,基于年齡、性別、體重指數(shù)(body mass index ,BMI)建立臨床診斷模型。該模型在驗證階段正確排除了約30%的非OSA的打鼾患者,預(yù)估可以減少約1/3的PSG檢查數(shù)量。Harun等[10]通過人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)學(xué)習(xí)201例確診為OSA患者的性別、年齡、BMI、打鼾特征后,應(yīng)用多層感知器進行識別及分類,實現(xiàn)了對OSA患者86.6%的識別準確率。Silva等[11]則通過機器學(xué)習(xí)(machine learning,ML)識別鼾聲的音高、共振峰等特征,并納入患者的頸圍作為參數(shù),使用基于ANN的算法模型對OSA患者進行識別,該方法的靈敏度和特異度約為90%。而Ye等[12]以心率和血氧飽和度為主要特征,利用XGBoost算法建立診斷模型,對兒童輕、中、重度OSA識別的正確率分別達到了90.45%、85.67%、89.81%。以上研究均顯示算法診斷模型良好的診斷效能,但是目前仍然缺乏大樣本、多中心的臨床研究,同時缺乏各算法之間的比較。

雖然上述方法目前仍然不能取代PSG,但通過這些方法可以篩查出需要進行PSG的患者,這將大大減少OSA診斷對PSG的依賴,減輕醫(yī)療負擔。

二、AI在OSA治療中應(yīng)用研究進展

OSA的傳統(tǒng)治療方式包括持續(xù)氣道正壓通氣(Continuous Positive Airway Pressure,CPAP)、口腔矯治器(Oral Appliance,OA)、手術(shù)治療等。各種治療各有優(yōu)缺點,如何選擇治療方式以及如何在實施治療后及時評估治療效果,仍然是目前OSA治療領(lǐng)域的難題。而AI技術(shù)的應(yīng)用有望成為解決這些難題的有效手段。

1. 識別OSA內(nèi)型

OSA在高危因素、病理生理學(xué)機制、并發(fā)癥等方面存在顯著的異質(zhì)性[13]。因此,OSA是一種十分適合個性化治療的疾病。OSA的病理生理學(xué)機制包括氣道閉合壓低、低覺醒閾值、高環(huán)路增益以及氣道擴張肌功能差,上述因素共同參與OSA的發(fā)生發(fā)展,但各自所占的權(quán)重不同,構(gòu)成不同的OSA內(nèi)型[14,15]。目前已有多項研究利用PSG來識別OSA的內(nèi)型,而利用AI技術(shù)可以提高內(nèi)型識別的效率和準確性[16]。Dutta等[17]利用多元主成分分析和決策樹學(xué)習(xí)的方法研究了52名參與者的年齡、BMI以及AHI、最低氧飽和度等八個PSG參數(shù),并且通過標準生理學(xué)方法量化了各內(nèi)型,發(fā)現(xiàn)該模型有助于評估環(huán)路增益以及覺醒閾值,并且納入內(nèi)型后預(yù)測OSA嚴重程度的準確性可提高兩倍。準確識別這些內(nèi)型,是實現(xiàn)OSA個性化及精準化治療的前提。

2. 持續(xù)氣道正壓通氣(CPAP)

CPAP通過施加氣道正壓減輕氣道阻塞,糾正睡眠期的間歇性缺氧,提升睡眠質(zhì)量,并減少并發(fā)癥的發(fā)生,是OSA的一線治療手段。但研究發(fā)現(xiàn),CPAP的依從性嚴重不足,甚至低于50%[18],嚴重影響治療效果。其中年齡、性別、疾病嚴重程度、心理因素、氣壓不合適、鼻面罩漏氣、口鼻干燥等因素均與依從性相關(guān)[19]。而AI的應(yīng)用有望早期識別依從性差的患者,降低治療失敗的風險。Giulia等[20]利用ML識別因依從性差導(dǎo)致治療失敗的患者特征開發(fā)的依從性預(yù)測模型,靈敏度為 68.6%。一項研究利用ML構(gòu)建分類器模型預(yù)測OSA患者在CPAP治療不同時期的依從性,發(fā)現(xiàn)該模型在CPAP治療第三個月時的預(yù)測準確性最高,達到84%。并且該模型發(fā)現(xiàn)頭痛、心理癥狀、血壓、EuroQol視覺量表評分與每個時間點的依從性均密切相關(guān)[21]。通過模型預(yù)測出依從性差的患者,可以提供進一步的醫(yī)療支持或者更換其他治療方法。

預(yù)測依從性的同時,AI的應(yīng)用還可以一定程度上提升患者的依從性。Ali等[22]將ANN應(yīng)用于CPAP的壓力滴定預(yù)測,實現(xiàn)更高的滴定效率。而基于ML建立的CPAP監(jiān)控系統(tǒng)以及裝有AI處理器的CPAP呼吸機,可以將鼻面罩漏氣率、使用方法不當?shù)仁录涗洸⑸蠄?并通過遠程提醒,增加患者的依從性,提升治療效果[23,24]。遠程醫(yī)療支持的應(yīng)用在不明顯增加患者負擔的基礎(chǔ)上可提升依從性及治療質(zhì)量,具有明顯優(yōu)勢[25]。

CPAP作為一種長期治療方案,其治療效果的評估對于治療的適時調(diào)整具有重要意義。目前,衡量OSA疾病嚴重程度的指標主要是AHI,但在CPAP治療中,僅憑AHI改善程度并不能說明患者獲益程度。OSA作為一種全身性疾病,患者的炎性、代謝性、氧化應(yīng)激相關(guān)標志物均存在不同程度的改變,這些變化值得關(guān)注[26]。一項研究利用ML篩選出84種與OSA相關(guān)的蛋白質(zhì),在接受CPAP治療后,5種與血管內(nèi)皮功能、凝血功能以及炎癥反應(yīng)相關(guān)的蛋白質(zhì)呈現(xiàn)出減少的趨勢[27]。在另一研究中,4種代謝相關(guān)的生物標志物在CPAP治療后發(fā)生了顯著變化[28]。此外,OSA患者的免疫細胞和通路亦表現(xiàn)出廣泛激活,相關(guān)基因的表達水平改變也較為顯著。Zhu等[29]利用支持向量機(Support Vector Machine ,SVM)、隨機森林(Random Forest ,RF)和ANN算法,篩選出了GEO數(shù)據(jù)庫中OSA關(guān)鍵基因。這些基因廣泛表達于OSA患者,并在CPAP治療后呈下降趨勢。在一項探究OSA和CPAP治療對生物鐘調(diào)節(jié)的影響的研究中發(fā)現(xiàn),長期的CPAP治療可恢復(fù)血漿褪黑素、皮質(zhì)醇和體溫水平,但無法逆轉(zhuǎn)OSA誘導(dǎo)的生物鐘表達基因的改變,而通過ML模型可以有效區(qū)分有效治療前后的OSA狀態(tài)[30]。

3. 口腔矯治器

口腔矯治器(Oral Appliance,OA)通過前移下頜位置,充當下頜和舌頭的保持器,起到擴張氣道、防止阻塞的作用。相較于CPAP,OA使用更加便捷,并且Olivier等人發(fā)現(xiàn)得益于依從性相對較高,OA每日平均使用時間更長,在長期治療上看,OA顯現(xiàn)出與CPAP相當?shù)寞熜31]。近年來,多項研究展示了基于AI的技術(shù)預(yù)測OA治療效果的潛力。Dutta等[32]利用無監(jiān)督的多元主成分分析和決策樹學(xué)習(xí)算法構(gòu)建的ML模型納入了包括AHI、最低血氧飽和度和覺醒指數(shù)在內(nèi)的多個指標。該模型最初使用10倍交叉驗證技術(shù)對45名OSA患者的數(shù)據(jù)進行訓(xùn)練,訓(xùn)練后的模型預(yù)測OA治療反應(yīng)性的精確度為91%。接著對17名志愿者進行驗證,結(jié)果該模型預(yù)測OA治療后AHI<5次/小時、AHI降低50%和AHI降低50%至<20次/小時的準確性分別達到了100%、71%、82%。

4. 手術(shù)治療

針對有明顯咽腭解剖結(jié)構(gòu)異常的患者,手術(shù)治療是一種可行的治療方案。傳統(tǒng)手術(shù)方法包括懸雍垂腭咽成形術(shù)(Uvulopalatopharyngoplasty,UPPP)、扁桃體和腺樣體切除(Adenotonsillectomy,AT)等。手術(shù)后AHI降低50%或AHI降低至<20次/小時是目前廣泛認可的手術(shù)有效性衡量標準。一項針對手術(shù)療效的系統(tǒng)評價顯示,OSA手術(shù)的有效率為66.4%,而總體并發(fā)癥發(fā)生率為14.6%[33]。由此可見術(shù)前合理選擇手術(shù)方案以及提前預(yù)測手術(shù)的療效的重要性。

UPPP是目前應(yīng)用最廣泛的治療成人OSA的手術(shù)方式。對于阻塞平面在口咽部,口腔黏膜組織肥厚,懸雍垂肥大,軟腭低長,扁桃體肥大或腭部狹窄者尤為適合。Yang等人為了預(yù)測UPPP的療效,納入OSA患者人口學(xué)特征、PSG數(shù)據(jù)、內(nèi)窺鏡采集的腭和舌根數(shù)據(jù)、以及Friedman分型等建立ML模型,對比邏輯回歸、RF、SVM、ANN等算法后發(fā)現(xiàn),準確性最高的是邏輯回歸算法(AUC 0.8317)[34]。而Kim等在對比多種ML模型對于手術(shù)治療效果的預(yù)測準確性時,發(fā)現(xiàn)梯度增強算法的準確性最高,達到70.8%,相較于臨床醫(yī)生的主觀評估具有顯著優(yōu)勢[35]。

在兒童OSA中,AT是最主要的治療方法。Heath等人利用邏輯回歸的算法預(yù)測AT治療效果,發(fā)現(xiàn)扁桃體大小是AT最強的預(yù)測因子[36]。Dylan等人利用患兒年齡、BMI、Brodsky評分估計的扁桃體大小、夜間血氧等參數(shù),運用RF、SVM等算法建立ML模型用以篩查出需要接受AT治療的患兒,準確率達87%～89%[37]。

手術(shù)治療療效的提前預(yù)測,有助于確定真正能在手術(shù)治療中獲益的OSA患者,減少不必要的手術(shù)治療,避免不必要的損傷。

三、AI應(yīng)用的展望與局限性

綜上所述,在OSA的診斷和治療過程中,AI均能發(fā)揮重要作用。AI為OSA早期篩查與診斷提供了全新思路,具備便攜、高效、舒適、節(jié)省經(jīng)濟成本等優(yōu)勢。同時,AI的應(yīng)用對于治療方式的選擇和調(diào)整具有重要意義,并能提高治療的依從性和療效。隨著精準化醫(yī)療的提出,AI技術(shù)的應(yīng)用場景將更加廣泛。然而,AI在OSA 中的應(yīng)用仍然存在著局限性。盡管越來越多的學(xué)者嘗試將AI應(yīng)用于OSA的診治工作,但該技術(shù)的普適性尚未得到充分評估,數(shù)據(jù)量不足,因此未來需要更大范圍的數(shù)據(jù),開展多中心、不同國家和人群的模型聯(lián)合應(yīng)用。