基于机器学习的儿童阻塞性睡眠呼吸暂停诊断方法

作者：秦汉; 叶鹏飞; 占小俊; 王湛; 邰隽^*

来源：中国卫生信息管理杂志, 2023, 20(04): 532-575.

• 儿童阻塞性睡眠呼吸暂停
• 人工智能
• 计算机辅助诊断
• 机器学习

目的 建立一个机器学习模型，利用夜间心率和血氧数据来诊断儿童阻塞性睡眠呼吸暂停（OSA）。方法 使用3150名疑似患有OSA的儿童的多导睡眠图数据构建训练集和测试集，利用年龄、性别、体重指数、3%氧减指数、最低血氧饱和度指数和平均血氧饱和度指数作为诊断特征，使用机器学习算法CatBoost建立诊断模型。结果 诊断模型在呼吸暂停低通气指数≥5和呼吸暂停低通气指数≥10的分类任务中，分类准确率分别为85.67%和89.81%，曲线下面积AUC值分别为0.84和0.87，表现优于线性判别分析模型。结论 本研究提供了一种利用机器学习模型诊断儿童OSA的方法。这种方法减少了诊断所需的信号数量，并展现出较高的可靠性。

• 单位
  首都儿科研究所附属儿童医院; 北京协和医学院; 中国医学科学院