8. juni 2021

Kunstig intelligens kan give mere effektiv behandling af søvnsygdomme

Kunstig intelligens

20.000 nætters søvn danner grundlag for en ny algoritme udviklet på Københavns Universitet, som kan gøre både diagnosticeringen, behandlingen og vores viden om søvnsygdomme bedre.

Mand prøver at falde i søvn
Forskerne samarbejder i øjeblikket med danske læger om at få softwaren og algoritmen godkendt til klinisk brug. Foto: Getty

Søvnbesvær, søvnapnø og narkolepsi er blandt de søvnsygdomme, som mange tusinde danskere lider af. Samtidig skønnes det, at op mod 200.000 danskere går rundt med søvnapnø uden at have fået stillet en diagnose.

Men i et nyt studie fra Datalogisk Institut på Københavns Universitet har forskere i samarbejde med Dansk Center for Søvnsygdomme under Rigshospitalet udviklet en kunstig intelligent algoritme, som kan gøre både diagnosticeringen, behandlingen og vores viden om søvnsygdomme bedre.

"Algoritmen har meget høj præcision. Vi lavede forskellige tests, hvor den klarede sig lige så godt som nogle af de bedste læger i verden på det her område," siger Mathias Perslev, Ph.d. på Datalogisk Institut og førsteforfatter til studiet, som for nyligt blev udgivet i tidskriftet npj Digital Medicine 

Kan støtte lægerne i deres behandling

Når mennesker i dag skal undersøges for en søvnlidelse, indlægges de typisk på en søvnklinik, hvor deres nattesøvn overvåges ved hjælp af forskellige måleinstrumenter. En speciallæge i søvnlidelser går derefter syv-otte timers måling af patientens nattesøvn igennem.

Lægen inddeler manuelt 7-8 timers nattesøvn i 30-sekunders intervaller, som alle skal kategoriseres i forskellige søvnfaser, såsom REM (rapid eye movement) søvn, let søvn, dyb søvn osv. Det er et tidskrævende arbejde, men som algoritmen kan gøre på få sekunder.

"Vi har i dette projekt bevist, at disse målinger kan laves meget sikkert ved brug af machine learning, og det har meget stor betydning. Hvis man kan spare de mange arbejdstimer, kan mange flere patienter vurderes og diagnosticeres effektivt," siger Poul Jennum, overlæge på Dansk Center for Søvnsygdomme.

Alene i Region Hovedstaden udføres der årligt mere end 4.000 polysomnografier, eller PSG-målinger, som undersøgelsen af patienter med bl.a. søvnapnø og mere komplicerede søvnsygdomme hedder. En PSG-analyse tager cirka 1,5-3 timer at analysere for lægen, hvilket i Region Hovedstaden giver et sted mellem 6.000 og 12.000 lægetimer, som algoritmen potentielt kan frigøre.

Algoritmen virker på tværs af søvnklinikker og patientgrupper

Forskerne bag algoritmen har samlet data fra mange kilder for at sikre at, at algoritmen fungerer optimalt. I alt er 20.000 nætters søvn fra USA og forskellige lande i Europa blevet samlet og brugt til at træne algoritmen.

"Vi har sammenkørt søvndata på tværs af verdensdele, forskellige søvnklinikker og patientgrupper. At algoritmen virker godt under så diverse forhold, er både overraskende og meget positivt" forklarer Mathias Perslev. Professor i machine learning Christian Igel, der leder projektet på datalogisiden, tilføjer:

"At opnå denne form for generalisering er en af de største udfordringer i medicinsk dataanalyse."

De håber, at algoritmen kan hjælpe læger og forskere fra hele verden med at blive klogere på søvnlidelser i fremtiden. Softwaren til søvnanalyse-programmet ligger gratis tilgængeligt på www.sleep.ai.ku.dk og kan bruges af alle - også steder i verden, hvor der ikke er en søvnklinik lige rundt om hjørnet.

"Algoritmen kræver kun få målinger fra almindelige kliniske instrumenter, så det kan være særligt relevant at bruge softwaren i fx udviklingslande, hvor man måske ikke har adgang til det nyeste udstyr eller en ekspert," siger Mathias Perslev.

Forskerne samarbejder i øjeblikket med danske læger om at få softwaren og algoritmen godkendt til klinisk brug.