Analyse automatique du sommeil par réseau de neurones à partir des signaux de polygraphie ventilatoire

Objectif Plus rapide a mettre en place et a lire, moins couteuse et plus facilement realisable en ambulatoire, la polygraphie ventilatoire (PV) possede de nombreux avantages sur la polysomnographie (PSG). Cependant, elle ne permet pas d’etudier la repartition des stades de sommeil et de determiner avec precision l’IAH. Dans cette etude, nous avons evalue la faisabilite de l’analyse automatique du sommeil a partir des signaux disponibles en PV. Methodes Nous avons realise une classification en trois etapes (reseau neuronal, regles de transition de l’AASM et correction finale) integrant les signaux issus de cinq capteurs disponibles en PV : l’oxymetre, le capteur de sons tracheaux (PneaVoX), les sangles thoracico-abdominales, la lunette nasale et l’actimetre. Le classifieur a ete entraine et teste sur des groupes de 300 et 100 PSG enregistrees et scorees selon les recommandations AASM. Ces PSG sont issues de patients investigues pour suspicion d’apnees du sommeil et incluses dans la cohorte sommeil des Pays de la Loire. Resultats La classification en trois stades (eveil, sommeil paradoxal et sommeil lent) suggere un apport non negligeable pour le diagnostic. Le Kappa de Cohen est de 0,60(± 0,14) et le taux d’accord de 78,5 %(± 9,0 %). Le Temps de Sommeil Total (TST) extrait automatiquement de la PV est bien correle au TST extrait de la PSG (r = 0,80). Il est egalement 0,74 fois inferieur au Temps d’Enregistrement (TE). Conclusion L’analyse automatique des signaux de PV par reseau de neurones permet une classification en trois stades satisfaisants.