Multimodale signaalanalyse voor de onopvallende karakterisatie van obstructieve slaapapneu

Obstructieve slaapapneu (OSA) is de meest voorkomende slaapgerelateerde ademhalingsstoornis. Nochtans wordt de ziekte vaak niet gediagnosticeerd en blijven veel patiënten onbehandeld. Bovendien neemt de prevalentie van OSA toe en is een betere fenotypering van patiënten nodig om prioriteiten te stellen in de behandeling. Het doel van deze thesis was om deze uitdagingen in de diagnose van OSA aan te pakken met behulp van geavanceerde signaalverwerkingsmethodes, voorgesteld in deze thesis. Daarnaast zijn twee belangrijke algoritmische bijdragen geïntroduceerd die algemeen toepasbaar zijn. Het binaire interval gecodeerde scoremodel werd uitgebreid naar multi niveau problemen en extra monotoonheidsbeperkingen werden ingevoerd. Bovendien werden verbeteringen aan de random forest parameter selectie voorgesteld, waaronder het gebruik van de Cohen’s kappa-waarde, patiëntonafhankelijke validatie en de verdere reductie op basis van de correlatie tussen parameters.

Het eerste deel van deze thesis focust op de ontwikkeling van betrouwbare, multimodale OSA screeningmethoden op basis van signalen die opgenomen kunnen worden op een comfortabele manier, zoals de zuurstofsaturatie (SpO2), elektrocardiogram (EKG), fotoplethysmografie (PPG) en ademhalingssignalen. Het nieuwe SpO2-gebaseerde model behaalde de beste OSA screening performantie met een accuraatheid van meer dan 88%, hiermee overtreft het de meeste state-of-the-art algoritmes. Verschillende multimodale OSA-detectie methoden werden uitgetest, maar deze performantie kon niet verder verbeterd worden. Een belangrijke bijdrage van deze thesis was het uittesten van de ontwikkelde EKG en PPG OSA-detectiealgoritmes op meer comfortabele opnametechnieken zoals capacitief gekoppelde EKG en bio-impedantiesignalen, en draagbare PPG opnames. Alhoewel deze experimenten resulteerden in veelbelovende resultaten,  brachten ze ook beperkingen van de huidige algoritmes op deze signalen naar boven.

In het tweede deel van deze thesis werd een bijdrage voorgesteld voor een betere karakterisering van OSA-patiënten. Nieuwe pulse oximetrie parameters werden ontwikkeld en onderzocht voor de beoordeling van de cardiovasculaire status. Patiënten met cardiovasculaire comorbiditeiten bleken ernstigere zuurstofdesaturaties en onvolledige resaturaties naar de basis SpO2 waarden te ondervinden. Het nieuwe multi-niveau interval gecodeerd scoringsmodel werd toegepast om de cardiovasculaire status te voorspellen op basis van leeftijd, BMI en SpO2 parameters. Het finale model behaalde een goede performantie op een klinische populatie, maar de voorspellende kracht van dit model moet nog verder gevalideerd worden.