Bhavin R. Sheth et Adam Jones de l'Université de Houston ont développé une nouvelle méthode d'étude du sommeil à domicile utilisant un ECG à une seule dérivation, remplaçant potentiellement la polysomnographie traditionnelle, plus lourde.
La méthode améliore la compréhension et le suivi des habitudes de sommeil.
Bhavin R. Sheth, professeur associé de génie électrique et informatique à l'Université de Houston, a développé avec son ancien étudiant Adam Jones une méthode révolutionnaire de classification des stades du sommeil. Cette approche innovante a le potentiel de remplacer l'actuelle méthode de référence, la polysomnographie, qui est souvent encombrante en raison de son câblage important et de la nécessité d'un environnement clinique. Leur nouvelle procédure, qui utilise un réseau neuronal d'apprentissage profond basé sur l'électrocardiographie à dérivation unique, peut être facilement réalisée par les utilisateurs à domicile.
Si vous avez déjà eu des problèmes de sommeil et que vous avez dû vous rendre dans un laboratoire du sommeil, vous savez que le test de polysomnographie est tout sauf reposant. Avec une multitude de fils et de capteurs suspendus à chaque partie de votre corps, on vous demande de dormir, un état difficile à atteindre sans un tel encombrement, voire presque impossible avec lui.
Mais que se passerait-il si le nombre de ces électrodes, reliées de votre cuir chevelu à votre cœur, était réduit à deux seulement ?
Avantages de la nouvelle méthode
« Nous avons démontré avec succès que notre méthode permet d'obtenir un accord au niveau des experts avec la polysomnographie de référence sans avoir besoin d'équipement coûteux et encombrant et d'un clinicien pour noter le test », rapporte Sheth dans Les ordinateurs en biologie et en médecine« Cette avancée remet en question la dépendance traditionnelle à l’égard de l’électroencéphalographie (ou EEG) pour une évaluation fiable du stade du sommeil et ouvre la voie à des études du sommeil plus accessibles et plus rentables. »
De plus, en permettant l’accès à une analyse du sommeil de haute qualité en dehors des contextes cliniques, les recherches d’Adam et Bhavin ont le potentiel d’élargir considérablement la portée de la médecine du sommeil.
Une classification fiable des stades du sommeil est essentielle en médecine du sommeil et en recherche en neurosciences pour fournir des informations, des diagnostics et une compréhension précieux des états cérébraux. Bien que les appareils commerciaux comme l'Apple Watch, Fitbit et Oura Ring suivent le sommeil, leurs performances sont bien inférieures à celles de la polysomnographie.
Le modèle basé sur l'électrocardiographie a été formé sur 4 000 enregistrements de sujets âgés de 5 à 90 ans. Les chercheurs ont montré que le modèle est robuste et qu'il fonctionne aussi bien qu'une polysomnographie évaluée par un clinicien.
« Notre méthode surpasse considérablement les recherches actuelles et les appareils commerciaux qui n'utilisent pas l'EEG et atteignent des niveaux de concordance de référence en utilisant une seule dérivation de données d'électrocardiographie », a déclaré Sheth, qui est également membre du Centre de neuro-ingénierie et de systèmes cognitifs de l'UH.
« Cela rend les études moins coûteuses et de meilleure qualité accessibles à une communauté plus large, permettant d'améliorer la recherche sur le sommeil et des interventions de santé liées au sommeil plus personnalisées et plus accessibles. »
À cette fin, Jones a mis le code source complet à disposition gratuitement des chercheurs, des cliniciens et de toute autre personne intéressée sur https://cardiosomnography.com
