World Sleep Industry ENCYCLOPEDIA

呼吸暫停低通氣事件識別算法

4.4.1

定義、輸出與用途邊界

呼吸暫停低通氣事件識別算法從整夜睡眠記錄中定位氣流顯著減少或中斷的區間,並依據氣流、呼吸努力、血氧與覺醒等證據,輸出候選事件類型、起止時間及置信度。它可以是嚴格實作計分規則的信號處理流程,也可以利用統計模型或神經網絡提出候選,最後形成事件清單及以合格時長正規化的指數。

這項工作並非只判斷某一幀的呼吸是否變小。暫停與低通氣的成立涉及相對基線、持續時間、傳感器種類、事件優先次序,以及低通氣所需的血氧下降或覺醒證據;阻塞性、中樞性與混合性暫停還依賴事件期間的努力型態。成人與兒童、診斷與治療滴定、不同規則版本都不可共用一套未聲明的標籤定義。

自動事件清單只是技術輸出,不等於完整診斷。AHI、REI 或其他指數的意義取決於分子採用哪些事件,也取決於分母使用總睡眠時間或有效記錄時間;同一人的結果會隨記錄類型、睡眠時間估計、信號缺失及規則選擇而改變。診斷、嚴重度與治療判斷仍須結合症狀、病史、檢查類型、原始信號品質及專業解讀。

傳感器層級與多通道證據

實驗室 PSG 通常同步提供建議的氣流傳感器、胸腹呼吸努力、脈搏血氧及腦電覺醒資料。熱敏氣流、鼻壓、治療設備流量與替代傳感器,對完全中斷和部分下降的響應並不相同,不能直接互換。系統應依檢查情境聲明首選、可接受與備用通道,切換時亦須保留原因與品質標記。

努力通道用來協助區分氣流消失但呼吸驅動仍在的阻塞性暫停、努力也消失的中樞性暫停,以及事件內型態轉換的混合性暫停。單一胸帶、腹帶或間接動作信號可能受體位、鬆脫、反常運動與心源性偽跡影響而產生歧義。當努力證據不足時,分類器應允許標示為未定型或送交人工複核,而非強迫細分。

低通氣的後果證據存在時間延遲,血氧谷值常落在氣流下降之後,覺醒也可能出現在事件尾端。算法須在生理合理且預先定義的視窗內建立關聯,同時辨認探頭脫落、灌注不足、動作偽跡、平頂與基線漂移。沒有腦電的居家檢查一般無法直接觀察皮層覺醒,不能把缺少證據暗中視為陰性,也不宜照搬 PSG 的輸出名稱。

基線、邊界與規則順序

相對幅度改變必須建立在可解釋的呼吸基線上。穩定呼吸時可由事件前局部視窗估計;連續事件、週期性呼吸、漏氣、口呼吸或治療壓力變化時,最近視窗可能本身已不正常。穩健系統會保存基線來源、有效樣本比例與置信度,無法形成可靠基線時標示不可判定,而不是用全夜固定幅度遮蔽個體內變化。

事件候選通常依次經過信號品質門控、基線估計、幅度下降偵測、持續時間檢查、相鄰片段合併或拆分、後果關聯及類型判定。順序不同會改變結果:同時符合暫停與低通氣條件的區段不應重複計數,短暫恢復是否切成兩個事件也會改變指數。優先次序、最短間隔、重疊消解、邊界容差及跨睡眠—清醒邊界的處理都應明確版本化。

固定閾值流程較容易稽核,學習模型則可利用波形形態、跨通道時序與較長上下文,但兩者都須形成可複核的事件。逐幀機率需要事件化後處理,避免在閾值附近反覆開關;端到端模型也應保留能重建結論的輸入片段、品質狀態與模型版本。置信度不能代替規則符合性,更不能以高模型分數補足缺失的生理通道。

標籤體系與資料治理

參考標籤應綁定明確的計分手冊版本、實驗室政策、受試者年齡規則、檢查類型及使用的傳感器。標註除了類別,還應保留起止、睡眠階段、後果證據、排除原因及不確定性。若不同中心對低通氣後果、混合事件或連續事件邊界採取不同慣例,應分別編碼或統一重標,不能把互相衝突的標籤直接合併為金標準。

人工計分本身會在事件邊界、暫停與低通氣互換,以及暫停亞型判斷上產生差異。資料集宜由受過訓練的多名計分者進行盲法複核和預定仲裁,並保存原始分歧。對模型而言,軟標籤或不確定區間有時比強迫單一答案更誠實;性能上限也應參照人工一致性解釋,而非把某位計分者的選擇當成無誤真值。

訓練、調參與測試必須按受試者和記錄夜隔離,並控制相同中心、設備及標註者造成的洩漏。資料應涵蓋年齡、性別、體型、疾病譜、體位、睡眠階段、氧療或正壓治療、常見共病及不同事件負荷,並報告排除與信號失敗。僅在整潔、重症富集或單一設備資料上開發的模型,不能宣稱可直接用於一般篩查或兒童。

事件級與指數級驗證

事件級評價要先固定配對規則,再報告各類型的靈敏度、陽性預測值、F1、每小時誤報與起止偏差。只比較自動和人工 AHI 的相關性會掩蓋事件錯位、類型互換,以及彼此抵消的漏報和誤報;用固定時間片計算整體準確率也會被大量無事件片段抬高。混淆矩陣應包含未定型及信號無效狀態。

記錄級評價應比較 AHI、REI、各亞型指數與有效時長的偏差和一致性,並呈現臨床閾值附近的分類改變。相關係數無法證明兩種方法可互換,平均偏差也可能掩蓋隨嚴重度增加的誤差。驗證須預先說明睡眠時間或記錄時間分母、自動分期如何參與,以及無效信號從分子與分母中刪減的規則。

獨立外部驗證要涵蓋不同中心、傳感器、採樣鏈路、檢查流程和真實盛行率,並按關鍵亞組報告性能與置信區間。壓力測試應包含口呼吸、導管移位、努力帶反轉、血氧延遲或掉線、清醒閉氣、嘆息、咳嗽、體動、週期性呼吸與密集相連事件。還要報告可分析記錄比例,因為只評價算法成功處理的夜晚會高估臨床可用性。

部署、人機複核與失效控制

在臨床工作流程中,自動結果適合作為附有置信度和品質提示的預標註,讓計分人員查看同步波形、移動邊界、改類、刪除或新增事件。介面應凸顯低品質區段、傳感器替換及規則衝突,並記錄人工修改與原因。真正要驗證的是算法與使用者組成的完整流程,包括複核時間、殘餘錯誤及不同經驗人員的差異。

系統應把「無法可靠分析」視為合法輸出。長時間氣流遺失、努力通道失效、血氧不可用、時間同步漂移或支援範圍外設備,都可能使分類或指數失去依據;此時應降級到已聲明的較窄輸出、要求重測或轉交人工。靜默插值、把缺測當作正常呼吸,或仍顯示過度精確的指數,都會製造危險的確定感。

上線後應按設備、軟件版本、中心和人群監測資料品質、人工修改率、事件分布、指數偏差代理量及失敗率。傳感器韌體、濾波、採樣、正壓設備接口、模型權重、閾值、睡眠時間算法或計分規則的更新都可能改變結果,須經變更評估、回歸測試與可追溯發布。發現漂移時應能停止自動發布、回退版本並複核受影響記錄。

選型、報告與發展方向

選型第一步是寫清楚預期用途:PSG 預標註、居家檢查自動計分、有限通道篩查,或科研表型。然後核對支援的年齡、傳感器、規則版本、事件類型、缺失通道降級、外部驗證與人工複核要求。不能以單一 AHI 相關性、受控資料成績或廠商宣稱的總體準確率,代替與真實使用情境匹配的證據。

報告至少應列出檢查類型、可分析時長、分母、事件規則、自動與人工參與程度、信號品質限制,以及未定型事件如何處理。對患者的說明要區分候選事件、最終計分及醫學解讀,並提醒陰性居家結果或品質不足的結果可能需要進一步檢查。若系統影響疾病診斷或治療,其聲明、風險管理與監管途徑應符合預期用途。

未來方向包括規則約束學習、多模態時序模型、不確定性量化、跨設備校準及更有效的人機協作。更有價值的進展不只是讓單一指數更貼近人工,而是可靠呈現事件形態、體位與階段依賴、後果強度和證據缺口。任何自適應或持續學習都應限定修改範圍、預先規定驗證方法,並在真實部署中保持版本、性能與回退能力可稽核。