Une étude menée par une équipe internationale a montré qu’un algorithme dérivé du machine learning peut diagnostiquer le syndrome d’apnée de sommeil chez l’enfant sur base de l’oxymétrie nocturne. Les résultats ont été publiés dans le European Respiratory Journal.

Le syndrome d’apnée du sommeil est une maladie touchant jusqu’à un enfant sur vingt et ayant des conséquences neurocognitives, comportementales et métaboliques importantes. Un problème de diagnostic est présent chez les jeunes patients, puisque le ronflement, symptôme principal de la maladie, est présent chez un enfant sur quatre. Ce problème est principalement dû à la pauvreté d’unités sommeil pour enfants et le désagrément causé par l’examen polysomnographique en lui-même pour les parents et les enfants (habituellement, une nuit est passée à l’hôpital pour l’examen). Dans la dernière décennie, l’oxymétrie de nuit a été intégrée dans le diagnostic de l’apnée du sommeil mais avec des problèmes de scalabilité.

Pour résoudre ces problèmes, une équipe de chercheurs chinois, espagnols et américains ont développé un algorithme basé sur le deep learning pour analyser les données provenant de l’oxymétrie de nuit chez plus de 400 enfants présentant des ronflements.

Le système développé par les chercheurs permet à l’oxymètre utilisé pour la mesure d’envoyer des données via Bluetooth à un smartphone prenant le relai pour la transmission vers un cloud et analyse des résultats.

Les résultats ont supporté l’efficacité de l’algorithme : une précision supérieure à 79% a été mise en évidence pour le diagnostic d’apnée de sommeil chez les patients avec tout niveau de sévérité ; seulement 4.7% de résultats faux négatifs, où 0.6% des enfants présentaient en réalité un syndrome modéré ou sévère.

Les auteurs ont publié leurs travaux dans le European Respiratory Journal, concluant que cette approche pourra dans le futur faciliter les analyses d’apnée de sommeil chez les patients situés dans des zones dépourvues de laboratoires de sommeil pédiatriques.

Cloud Algorithm-Driven Oximetry-Based Diagnosis of Obstructive Sleep Apnea in Symptomatic Habitually-Snoring Children

• Cloud Algorithm-Driven Oximetry-Based Diagnosis of Obstructive Sleep Apnea in Symptomatic Habitually-Snoring Children

  Zhifei Xu, Gonzalo C. Gutiérrez-Tobal, Yunxiao Wu, Leila Kheirandish-Gozal, Xin Ni, Roberto Hornero, David Gozal

  European Respiratory Journal 2018; DOI: 10.1183/13993003.01788-2018