Artificial Intelligence-Based Diagnosis of Obstructive Sleep Apnea Syndrome: A Scoping Review
Diagnóstico Basado en Inteligencia Artificial para el Síndrome Obstructivo de Apnea del Sueño: Una Revisión de Alcance
Int. j. morphol; 42 (4), 2024
Publication year: 2024
SUMMARY:
To diagnose obstructive sleep apnea syndrome (OSAS), polysomnography is used, an expensive and extensive study requiring the patient to sleep in a laboratory. OSAS has been associated with features of facial morphology, and a preliminary diagnosis could be made using an artificial intelligence (AI) predictive model. This study aimed to analyze, using a scoping review, the AI-based technological options applied to diagnosing OSAS and the parameters evaluated in such analyses on craniofacial structures. A systematic search of the literature was carried out up to February 2024, and, using inclusion and exclusion criteria, the studies to be analyzed were determined. Titles and abstracts were independently selected by two researchers. Fourteen studies were selected, including a total of 13,293 subjects analyzed. The age of the sample ranged from 18 to 90 years. 9,912 (74.56 %) subjects were male, and 3,381 (25.43 %) were female. The included studies presented a diagnosis of OSAS by polysomnography; seven presented a control group of subjects without OSAS and another group with OSAS. The remaining studies presented OSAS groups in relation to their severity. All studies had a mean accuracy of 80 % in predicting OSAS using variables such as age, gender, measurements, and/or imaging measurements. There are no tests before diagnosis by polysomnography to guide the user in the likely presence of OSAS. In this sense, there are risk factors for developing OSA linked to facial shape, obesity, age, and other conditions, which, together with the advances in AI for diagnosis and guidance in OSAS, could be used for early detection.
Para diagnosticar el Síndrome Apnea Obstructiva del Sueño (SAOS) se utiliza la polisomnografía, el cual es un costoso y extenso estudio que exige que el paciente duerma en un laboratorio. El SAOS ha sido asociado con características de la morfología facial y mediante un modelo predictivo de la Inteligencia Artificial (IA), se podría realizar un diagnóstico preliminar. El objetivo de este estudio fue analizar por medio de una revisión de alcance, las opciones tecnológicas basadas en IA aplicadas al diagnóstico del SAOS, y los parámetros evaluados en dichos análisis en las estructuras craneofaciales. Se realizó una búsqueda sistemática de la literatura hasta febrero del 2024 y mediante criterios de inclusión y exclusión se determino los estudios a analizar. Los títulos y resúmenes fueron seleccionados de forma independiente por dos investigadores. Se seleccionaron 14 estudios, incluyeron un total de 13.293 sujetos analizados. El rango edad de la muestra oscilo entre 18 y 90 años. 9.912 (74.56 %) sujetos eran de sexo masculino y 3.381 (25,43 %) eran de sexo femenino. Los estudios incluidos presentaron diagnóstico de SAOS mediante polisomnografía, siete estudios presentaron un grupo control de sujetos con ausencia de SAOS y otro grupo con presencia de SAOS. Mientras que los demás estudios, presentaron grupos de SAOS en relación con su severidad. Todos los estudios tuvieron una precisión media del 80 % en la predicción de SAOS utilizando variables como la edad, el género, mediciones y/o mediciones imagenológicas. no existen exámenes previos al diagnóstico por polisomnografía que permitan orientar al usuario en la probable presencia de SAOS. En este sentido, existen factores de riesgo para desarrollar SAOS vinculados a la forma facial, la obesidad, la edad y otras condiciones, que sumados a los avances con IA para diagnóstico y orientación en SAOS podrían ser utilizados para la detección precoz del mismo.