論文解讀

全球近十億人受阻塞性睡眠呼吸暫停(OSA)困擾，這種以氣道阻塞、血氧下降(氧減飽和度)和睡眠中斷為特征的疾病，不僅增加心血管疾病和認知障礙風險，還導致美國年診斷治療費用高達124億美元。傳統多傳感器檢測方法如呼吸感應體積描記(RIP)、鼻氣流傳感器等雖能診斷，但存在設備侵入性強、患者舒適度差等問題，尤其在合并周期性肢體運動(RLS)或打鼾等共病癥時，準確性更會大幅下降。

中國科學技術大學蘇州生物醫學工程技術研究所等機構的研究人員獨辟蹊徑，利用臨床常見的低功耗腕部活動記錄儀，開發出新型OSA篩查算法。這項發表于《Scientific Reports》的研究通過58名受試者雙側腕部監測數據與多導睡眠圖(PSG)對照，證實僅需單傳感器即可實現中重度OSA的精準識別，氧減飽和度指數(ODI_sub)與金標準相關性達0.89，為大規模流行病學研究提供了可行方案。

關鍵技術方法
研究采用三項核心技術：1)頂點中心標記化——通過3分鐘滑動窗口識別超過2個標準差的峰值(頂點)，建立100秒事件窗口；2)完備集成經驗模態分解(CEEMD)提取呼吸相關本征模態函數(IMF)；3)雙向長短期記憶網絡-多頭部因果注意力(BiLSTM-MHCA)架構，利用生理因果關聯優化預測，其中MHCA通過掩碼自注意力機制確保事件時序合理性。數據來自58名12-73歲受試者的Geneactiv和Axivity腕表記錄，16名存在信號干擾者單獨作為測試集。

研究結果

患者特征
隊列中41人為正常(AHI_sub<5)，9人輕度OSA(5≤AHI_sub<15)，4人中度和4人重度OSA。打鼾事件最頻繁(37,327次)，氧減飽和事件平均持續33.5±13.4秒。

信號處理效能
經PCA和CEEMD處理后的第四IMF與胸廓RIP信號高度吻合(圖示)，在RLS和打鼾干擾下仍保持特征提取能力。

診斷性能

• 事件層面：對OSA相關氧減飽和的識別敏感性67.4%，特異性92.5%
• 受試者層面：左腕數據對中重度OSA(需臨床干預組)的敏感性達85.7%，特異性98.1%
• 相關性：估計AHI_sub與參考值相關系數0.87，ODI_sub達0.89
• 體位影響：左側臥位檢測性能提升，可能與氣道塌陷生理機制相關

影響因素

• 睡眠階段：REM期因運動偽跡準確性下降，N3期事件檢出率增加30%
• 共病癥：RLS和打鼾未顯著影響AHI_seq準確性(MAE 7.37事件/小時)
• 設備差異：兩種腕表性能無統計學差異(p>0.05)

創新與意義
該研究首次實現三大突破：1)僅通過運動傳感器推斷ODI；2)頂點中心標記化策略將事件捕捉完整性提升52%；3)因果注意力機制使模型聚焦生理合理事件序列。在UK Biobank等大規�；仡櫺匝芯恐�，這項技術可低成本分析數十萬現有腕表數據，對完善OSA流行病學認知具有重要價值。

局限性包括對輕度OSA的量化精度不足，以及純呼吸暫停(無氧減飽和)檢測效能有限。但研究者強調，由于算法不依賴生物特征信息，這些限制不影響其在合并精神疾病群體中的應用。未來通過高分辨率傳感器與算法迭代，有望進一步拓展該技術在個性化睡眠醫學中的應用前景。