Modélisation numérique de la fragmentation du sommeil par réseau de neurones artificiels

Objectif La polysomnographie (PSG) est l’examen de reference dans le diagnostic des troubles respiratoires et du sommeil. Il consiste en l’enregistrement d’un tres grand nombre de variables ventilatoires et neurophysiologiques permettant par leur analyse simultanee le codage des differents stades de sommeil. Afin de determiner la qualite du sommeil d’un patient, le clinicien evalue sa fragmentation a partir de criteres deduits de la PSG tels que le nombre de changement de stades (SSS), le taux de micro-eveil (MAR) et le nombre d’eveils intra-sommeil (ISA). Chacun de ces criteres a son propre seuil de fragmentation et son importance (poids) dans le diagnostic du clinicien, et depend de sa specialite (pneumologue ou neurophysiologiste). Methodes Nous proposons de construire un modele de diagnostic de la fragmentation du sommeil en utilisant un reseau de neurones artificiels (RNA) sur la base des trois caracteristiques du sommeil MAR, SSS et ISA. Un algorithme de decision attribue la valeur 1 si le sommeil du patient est considere comme fragmente et la valeur 0 s’il ne l’est pas. Cela permet de representer par un indice le diagnostic du clinicien (IDC) et le modele de calcul de ce diagnostic par le reseau de neurones (IDA). Resultats A partir de 162 PSG du laboratoire de sommeil de l’hopital de Toulon constitues de sujets sains et de patients avec une suspicion de syndrome d’apnees obstructives du sommeil, une analyse statistique demontre que l’accord entre notre IDA et l’IDC est presque parfait (coefficient Kappa de Cohen K > 88 %, p Conclusion Il decoule de ce resultat que nos RNA permettent la modelisation de diagnostic de chaque clinicien en tenant compte de leur propre specialite et des caracteristiques intrinseques de la base de donnees analysee. Cet outil d’aide au diagnostic peut etre developpe pour chaque clinicien et implemente sur les logiciels de polysomnographie. Une etude observationnelle prospective multicentrique est en cours afin de nous permettre de valider notre modele sur une population de 400 patients.