腕部活动记录仪结合多头部因果注意力机制实现异质性睡眠障碍患者的呼吸暂停精准检测

为解决传统多传感器诊断阻塞性睡眠呼吸暂停(OSA)存在侵入性强、易误诊的问题，中国研究团队开发了一种基于单传感器腕部活动记录仪的新型筛查方法。通过创新性结合顶点中心标记化与多头部因果注意力(MHCA)机制，该研究在58名异质性患者中实现了85.7%的敏感性和98.1%特异性，氧减饱和度指数(ODIsub)与临床标准相关性达0.89。这项低负荷、高精度的技术为大规模OSA筛查提供了重要工具。

　　

论文解读

全球近十亿人受阻塞性睡眠呼吸暂停(OSA)困扰，这种以气道阻塞、血氧下降(氧减饱和度)和睡眠中断为特征的疾病，不仅增加心血管疾病和认知障碍风险，还导致美国年诊断治疗费用高达124亿美元。传统多传感器检测方法如呼吸感应体积描记(RIP)、鼻气流传感器等虽能诊断，但存在设备侵入性强、患者舒适度差等问题，尤其在合并周期性肢体运动(RLS)或打鼾等共病症时，准确性更会大幅下降。

中国科学技术大学苏州生物医学工程技术研究所等机构的研究人员独辟蹊径，利用临床常见的低功耗腕部活动记录仪，开发出新型OSA筛查算法。这项发表于《Scientific Reports》的研究通过58名受试者双侧腕部监测数据与多导睡眠图(PSG)对照，证实仅需单传感器即可实现中重度OSA的精准识别，氧减饱和度指数(ODI_sub)与金标准相关性达0.89，为大规模流行病学研究提供了可行方案。

关键技术方法
研究采用三项核心技术：1)顶点中心标记化——通过3分钟滑动窗口识别超过2个标准差的峰值(顶点)，建立100秒事件窗口；2)完备集成经验模态分解(CEEMD)提取呼吸相关本征模态函数(IMF)；3)双向长短期记忆网络-多头部因果注意力(BiLSTM-MHCA)架构，利用生理因果关联优化预测，其中MHCA通过掩码自注意力机制确保事件时序合理性。数据来自58名12-73岁受试者的Geneactiv和Axivity腕表记录，16名存在信号干扰者单独作为测试集。

研究结果

患者特征
队列中41人为正常(AHI_sub<5)，9人轻度OSA(5≤AHI_sub<15)，4人中度和4人重度OSA。打鼾事件最频繁(37,327次)，氧减饱和事件平均持续33.5±13.4秒。

信号处理效能
经PCA和CEEMD处理后的第四IMF与胸廓RIP信号高度吻合(图示)，在RLS和打鼾干扰下仍保持特征提取能力。

诊断性能

• 事件层面：对OSA相关氧减饱和的识别敏感性67.4%，特异性92.5%
• 受试者层面：左腕数据对中重度OSA(需临床干预组)的敏感性达85.7%，特异性98.1%
• 相关性：估计AHI_sub与参考值相关系数0.87，ODI_sub达0.89
• 体位影响：左侧卧位检测性能提升，可能与气道塌陷生理机制相关

影响因素

• 睡眠阶段：REM期因运动伪迹准确性下降，N3期事件检出率增加30%
• 共病症：RLS和打鼾未显著影响AHI_seq准确性(MAE 7.37事件/小时)
• 设备差异：两种腕表性能无统计学差异(p>0.05)

创新与意义
该研究首次实现三大突破：1)仅通过运动传感器推断ODI；2)顶点中心标记化策略将事件捕捉完整性提升52%；3)因果注意力机制使模型聚焦生理合理事件序列。在UK Biobank等大规模回顾性研究中，这项技术可低成本分析数十万现有腕表数据，对完善OSA流行病学认知具有重要价值。

局限性包括对轻度OSA的量化精度不足，以及纯呼吸暂停(无氧减饱和)检测效能有限。但研究者强调，由于算法不依赖生物特征信息，这些限制不影响其在合并精神疾病群体中的应用。未来通过高分辨率传感器与算法迭代，有望进一步拓展该技术在个性化睡眠医学中的应用前景。