top of page
검색
RLRC 생체시계-항노화 융합

AI를 활용한 간편 수면장애 분류 척도 개발


제목

​AI를 활용한 간편 수면장애 분류 척도 개발

추천 연구 논문

​Brief digital sleep questionnaire powered by machine learning prediction models identifies common sleep disorders. Sleep Med. 2020 Jul;71:66-76. doi: 10.1016/j.sleep.2020.03.005. Epub 2020 Mar 23.

선정 이유

​실제 진료나 검사 이전에, 수면장애의 여부와 세부 수면질환의 분류와 선별을 목적으로 간편하게 활용할 수 있는 척도의 개발과 활용은 효용성이 높을 수 있겠음. 이 연구에서는 머신 러닝 기법을 적용하여, 수면장애 여부와 주요한 수면장애 질환의 분류를 위한 핵심 선별 척도 문항을 구성하고 검증하는 연구를 제시함으로서, 커뮤니티 레벨에서 활용할 수 있는 척도 개발의 방법론 및 예시를 제시하였음.

주요 내용

​불면증 (insomnia), 지연된 수면 단계 증후군(delayed sleep phase syndrome: DSPS), 불충분한 수면 증후군(insufficient sleep syndrome: ISS) 및 폐쇄성 수면 무호흡증(obstructive sleep apnea : OSA)의 위험을 포함한 일반적인 사회적 수면 장애를 식별하기 위해 약식 디지털 수면 설문지(abbreviated Digital Sleep Questionnaire: DSQ)를 개발하고 검증함. DSQ는 3,799명의 지역 사회 자원자에게 시행되었으며, 수면 전문가와 인터뷰를 진행하며 연구를 수행함. 머신 러닝은 각 진단에 대해 별도의 모델을 훈련하고 검증하였고, 정규화된 선형 모델은 진단 예측을 최적화하기 위해 15-200개의 기능을 생성함. 모델은 5중 교차 검증(5회 반복)으로 훈련된 후 강력한 검증 테스트를 추가함. 참조 하위 그룹과 비교하여, 의사가 진단한 수면 장애는 불면(불면증, DSPS, OSA), 수면 부채(DSPS, ISS), 수면 중 기도 폐쇄(OSA), 2일 주기 변동성 둔화(DSPS), 졸음(DSPS 및 ISS), 각성 증가(불면증) 및 수면 관련 삶의 질에 대한 전반적인 손상(모든 수면 장애) 등으로 표기하였음. ElasticNet 모델은 높은 민감도(80–83%), 허용 가능한 특이성(63–69%), 높은 AUC(0.80–0.85) 및 우수한 정확도(의사 진단과의 일치, 68–73%)로 각 진단을 검증함. 간단한 DSQ는 일반적인 수면 장애에 대해 많은 인구를 쉽게 참여하고 효율적으로 스크리닝할 수 있음을 확인함. 머신 러닝으로 구동되는 DSQ는 수면 장애를 정확하게 분류하여 수면, 건강, 생산성 및 안전 등에 활용할 수 있을 것임.

시사점

​AI 기술을 척도 개발에 어떻게 활용할 수 있을 것인가에 대한 참고 연구가 될 것이며, 향후 디지털 표현형과의 병합을 통해 보다 seamless하게 수면장애를 분류하고 선별할 수 있도록 연구 방향을 설정할 수 있을 것임.


조회수 6회

최근 게시물

전체 보기

오만 성인의 수면 패턴과 질

제목 오만 성인의 수면 패턴과 질 추천 연구 논문 Sleep Patterns and Quality in Omani Adults 선정 이유 수면 패턴은 환경적 및 사회적 요인에 따라 변화하며, 이러한 변화는 수면의 질 저하와 수면 부족으로 인한...

Comments


bottom of page