Nogen sover som en sten, når de lægger sig på puden. Andre vender og drejer sig en halv nat, og må ty til sovemedicin for bare at få lidt luk-øje.
Søvnbesvær, søvnapnø og narkolepsi er blandt de søvnsygdomme, som mange tusinde danskere lider af. Samtidig skønnes det, at op mod 200.000 danskere går rundt med søvnapnø uden at have fået stillet en diagnose.
Men i et nyt studie fra Datalogisk Institut på Københavns Universitet har forskere i samarbejde med Dansk Center for Søvnsygdomme under Rigshospitalet udviklet en kunstig intelligent algoritme, som kan gøre både diagnosticeringen, behandlingen og vores viden om søvnsygdomme bedre.
- Algoritmen har meget høj præcision. Vi lavede forskellige tests, hvor den klarede sig lige så godt som nogle af de bedste læger i verden på det her område, fortæller Mathias Perslev, Ph.d. på Datalogisk Institut og førsteforfatter til studiet, som for nyligt blev udgivet i tidskriftet npj Digital Medicine
Sparer tusindvis af lægetimer
Når mennesker i dag skal undersøges for en søvnlidelse, indlægges de typisk på en søvnklinik, hvor deres nattesøvn overvåges ved hjælp af forskellige måleinstrumenter. En speciallæge i søvnlidelser går derefter syv-otte timers måling af patientens nattesøvn igennem.
Lægen inddeler manuelt 7-8 timers nattesøvn i 30-sekunders intervaller, som alle skal kategoriseres i forskellige søvnfaser, såsom REM (rapid eye movement) søvn, let søvn, dyb søvn osv. Det er et tidskrævende arbejde, men som algoritmen kan gøre på få sekunder.
- Vi har i dette projekt bevist, at disse målinger kan laves meget sikkert ved brug af machine learning, og det har meget stor betydning. Hvis man kan spare de mange arbejdstimer, kan mange flere patienter vurderes og diagnosticeres effektivt, siger Poul Jennum, overlæge på Dansk Center for Søvnsygdomme.
Alene i Region Hovedstaden udføres der årligt mere end 4.000 PSG-målinger. En sådan analyse tager cirka 1,5-3 timer at analysere for lægen, hvilket bare i Region Hovedstaden giver et sted mellem 6.000 og 12.000 lægetimer, som algoritmen potentielt kan frigøre.
I alt er 20.000 nætters søvn fra USA og forskellige lande i Europa blevet samlet og brugt til at træne algoritmen. - Vi har sammenkørt søvndata på tværs af verdensdele, forskellige søvnklinikker og patientgrupper. At algoritmen virker godt under så diverse forhold, er både overraskende og meget positivt, mener Mathias Perslev og Christian Igel, der leder projektet på datalogisiden, tilføjer:
- At opnå denne form for generalisering er en af de største udfordringer i medicinsk dataanalyse.
De håber, at algoritmen kan hjælpe læger og forskere fra hele verden med at blive klogere på søvnlidelser i fremtiden.
Fakta:
* Algoritmen er lavet ved hjælp af en type af kunstig intelligens kaldet machine learning, hvor man med virkelige eksempler lærer en computer, hvad den skal holde øje med.
* Forskerne har trænet algoritmen med 20.000 nætters tidligere søvnanalyser lavet af førende eksperter i Europa og USA.
* Algoritmen kan inddele en hel nats søvn i fem forskellige faser på få sekunder.
* For hvert sekund kan algoritmen kategorisere søvnen i en bestemt fase, noget som ikke er muligt for lægerne i dag.
* I Danmark lider cirka 300.000 af søvnapnø.
* Cirka 300-350.000 danskere har søvnbesvær.