La stadiazione del sonno basata su regole raggiunge un accordo del 60,5% con i valutatori umani
Una nuova tecnica deterministica e basata su regole per la stadiazione automatica del sonno è stata introdotta come chiara alternativa ai complessi sistemi di deep learning. Questo metodo traduce i criteri di scoring dell'American Academy of Sleep Medicine (AASM) in codice eseguibile e fornisce spiegazioni in linguaggio naturale a livello di epoca tramite una traccia di spiegazione. Testato su 50 registrazioni polisonnografiche, ha raggiunto un accordo del 60,5% con un riferimento basato sul consenso di maggioranza di 10 valutatori (κ=0,42). In un dataset utilizzato durante il suo sviluppo, l'accordo era significativamente più alto, pari al 77,1% (κ=0,61). Questo approccio enfatizza l'interpretabilità e la conformità con le linee guida cliniche di scoring, piuttosto che affidarsi a metriche di performance opache.
Fatti principali
- Il metodo è deterministico e basato su regole, operazionalizzando la logica di scoring AASM come codice eseguibile.
- Fornisce giustificazioni in linguaggio naturale a livello di epoca da una traccia di spiegazione.
- Valutato su 50 registrazioni polisonnografiche con consenso di maggioranza di 10 valutatori.
- Accordo complessivo con il riferimento di maggioranza: 60,5% delle epoche (κ=0,42).
- Sul dataset di sviluppo, l'accordo ha raggiunto il 77,1% (κ=0,61).
- I metodi di deep learning dominano l'attuale ricerca sulla stadiazione automatica del sonno.
- I modelli di machine learning raggiungono un accordo quasi umano ma sono opachi.
- Il metodo proposto è progettato per seguire esplicitamente le regole di scoring clinico.
Entità
Istituzioni
- American Academy of Sleep Medicine