Aktuell ist meist eine sogenannte Polysomnographie notwendig, um eine obstruktive Schlafapnoe festzustellen. Dabei handelt es sich um ein aufwendiges und teures Verfahren, das in spezialisierten Schlaflaboren durchgeführt wird.
Zehn verschiedene KI-Modelle zur Schlafapnoe-Diagnose getestet
Forschende haben deshalb die Genauigkeit von KI-Algorithmen untersucht, die anhand von Gesichtsaufnahmen eine obstruktive Schlafapnoe diagnostizieren. Hierfür analysierten sie Daten aus sechs Studien und verglichen die Leistung von zehn verschiedenen KI-Modellen mit den konventionellen Diagnosekriterien.
KI-Modelle stellen obstruktive Schlafapnoe zuverlässig fest
Die Ergebnisse der Meta-Analyse zeigen, dass KI-Modelle, die auf Gesichtsaufnahmen trainiert wurden, eine hohe diagnostische Genauigkeit aufweisen:
- Die durchschnittliche Sensitivität lag bei 84,9%. Die Sensitivität gibt den Anteil der Betroffenen an, deren Schlafapnoe durch die KI-Modelle richtig erkannt wurde.
- Die Spezifität betrug 71,2%. Die Spezifität gibt den Anteil der Testpersonen ohne Schlafapnoe an, der von den KI-Modellen korrekt erkannt wurde.
Besonders sogenannte tief lernende Algorithmen erzielten die besten Ergebnisse. Bei ihnen lag die Sensitivität sogar bei 91,1% und die Spezifität bei 79,2%. Diese Werte sind vergleichbar mit denen von Schlafapnoe-Tests, die zu Hause durchgeführt werden können.
Zukünftig Diagnose per Smartphone?
Die Studienautor:innen schlussfolgern, dass KI-gestützte Diagnosen auf Basis von Gesichtsaufnahmen eine vielversprechende und kostengünstige Methode zur Erkennung einer obstruktiven Schlafapnoe darstellen. Weitere Forschungsprojekte sollten ihrer Meinung nach diese Technologie weiter verfeinern. Die Forschenden schlagen vor, auch die Nutzung von Smartphone-Bildern zur Diagnostik zu untersuchen, um die Anwendung bei niedergelassenen Ärzt:innen zu erleichtern.
Quelle
Gao, E. Y. et al.: Artificial intelligence facial recognition of obstructive sleep apnea: a Bayesian meta-analysis. In: Sleep Breath 2024, 29 (1): 36
