Modélisation numérique de la fragmentation du sommeil par réseau de neurones artificiels - 19/03/15

La polysomnographie (PSG) est l’examen de référence dans le diagnostic des troubles respiratoires et du sommeil. Il consiste en l’enregistrement d’un très grand nombre de variables ventilatoires et neurophysiologiques permettant par leur analyse simultanée le codage des différents stades de sommeil. Afin de déterminer la qualité du sommeil d’un patient, le clinicien évalue sa fragmentation à partir de critères déduits de la PSG tels que le nombre de changement de stades (SSS), le taux de micro-éveil (MAR) et le nombre d’éveils intra-sommeil (ISA). Chacun de ces critères a son propre seuil de fragmentation et son importance (poids) dans le diagnostic du clinicien, et dépend de sa spécialité (pneumologue ou neurophysiologiste).

Nous proposons de construire un modèle de diagnostic de la fragmentation du sommeil en utilisant un réseau de neurones artificiels (RNA) sur la base des trois caractéristiques du sommeil MAR, SSS et ISA. Un algorithme de décision attribue la valeur 1 si le sommeil du patient est considéré comme fragmenté et la valeur 0 s’il ne l’est pas. Cela permet de représenter par un indice le diagnostic du clinicien (IDC) et le modèle de calcul de ce diagnostic par le réseau de neurones (IDA).

A partir de 162 PSG du laboratoire de sommeil de l’hôpital de Toulon constitués de sujets sains et de patients avec une suspicion de syndrome d’apnées obstructives du sommeil, une analyse statistique démontre que l’accord entre notre IDA et l’IDC est presque parfait (coefficient Kappa de Cohen K>88 %, p<0,01).

Il découle de ce résultat que nos RNA permettent la modélisation de diagnostic de chaque clinicien en tenant compte de leur propre spécialité et des caractéristiques intrinsèques de la base de données analysée. Cet outil d’aide au diagnostic peut être développé pour chaque clinicien et implémenté sur les logiciels de polysomnographie. Une étude observationnelle prospective multicentrique est en cours afin de nous permettre de valider notre modèle sur une population de 400 patients.