Algoritmo per il rilevamento dell'apnea notturna = Sleep apnea detection algorithm

Il sonno è una della attività fondamentali della vita quotidiana per qualsiasi individuo in quanto permette di mantenere uno stato di salute psicofisico. Per contro, dormire male, può causare problemi di salute come problemi respiratori, diabete, disturbi cardiaci e disturbi celebrali [19]. L’obiettivo di questa tesi è stato quello di sviluppare un algoritmo capace di individuare le apnee notturne partendo da un ridotto set di parametri fisiologici. Si parla di apnee notturne quando si ha una riduzione del flusso d’aria maggiore o uguale al trenta per cento dal basale, per più di dieci secondi con una diminuzione dell’ossigeno maggiore o uguale al tre per cento [8]. Quando si hanno disturbi respiratori si registra un aumento dell’attività del sistema nervoso simpatico. La variabilità della frequenza cardiaca (HRV) può essere utilizzata per valutare la regolazione del sistema nervoso autonomo [23] sul cuore. Questa caratteristica permette di avere un’applicazione nell’analisi dell’HRV per monitorare le apnee del sonno. In questo lavoro di tesi si è usata la variabilità della frequenza cardiaca, correlata alla saturazione dell’ossigeno (SpO2), per elaborare un algoritmo che riconosca in automatico il verificarsi delle apnee notturne e ne raccolga il numero. Sia per la fase di sviluppo che di test è stato utilizzato Python. Il lavoro è stato suddiviso in due parti: 1. Determinazione dell’HRV: si è ricavato l’HRV dal segnale pletismografico con l’uso di una specifica libreria Python che permette di ricavare le distanze tra i picchi e le loro posizioni [20]. 2. Identificazione delle apnee: sviluppo di un algoritmo che riconoscesse in automatico il verificarsi delle apnee notturne. L’obiettivo era quello di far riconoscere all’algoritmo il modello teorico definito dall’ American Accademy of Sleep Medicine (AASM). Questo modello stabilisce tre fasi principali nel verificarsi delle apnee che sono: arise (discesa HR, salita dell’HRV), stabilizzazione e arousal (salita Hr, discesa dell’Hrv). Il tempo tra l’inizio della discesa e l’inizio della risalita deve essere maggiore o uguale a 10 secondi associato a una desaturazione del tre per cento rispetto al livello base. L’algoritmo è stato sviluppato in modo che riconoscesse non solo questo modello, ma anche una sua variante in soggetti che fanno uso di farmaci che inibiscono l’attività simpatica. Si è fornito all’algoritmo un’altra forma di lettura in questo caso specifico. L’algoritmo è stato capace di discriminare pazienti che soffrono di una severa apnea ostruttiva (OSA) da pazienti con un’OSA moderata o da pazienti sani. Questa discriminazione è stata effettuata utilizzando l’AHI (Apnea/Hipopnea Index), che è definito come il numero di apnee diviso per le ore di sonno. L’AHI si è dimostrato concorde con quello calcolato dal medico esperto in medicina del sonno [16]. In conclusione si può dire di avere raggiunto l’obiettivo dello studio che aveva lo scopo di rilevare la presenza di apnee notturne in soggetti con caratteristiche fisiche biologiche diverse attraverso uno strumento che ne automatizzasse il riconoscimento con la valutazione della variabilità della frequenza cardiaca e la saturazione d’ossigeno nel sangue.