Resumen de Design and development of comprehensive digital solutions with application in the medical field: Diseño y desarrollo de soluciones digitales exhaustivas aplicadas al ámbito médico: análisis del sueño en humanos

Maksym Gaiduk

• español

  La influencia del sueño en la vida humana, incluidos los aspectos fisiológicos, psicológicos y mentales, es notable. Por tanto, es fundamental aplicar la terapia adecuada para los trastornos del sueño. Para conseguirlo, es necesario en primer término reconocer los trastornos que presenta la persona afectada. En esta tesis, estructurada como un compendio de artículos de investigación, se presenta el desarrollo de los principios algorítmicos con base matemática para un sistema de análisis del sueño. Se hace especial hincapié en la clasificación de las etapas del sueño con un conjunto mínimo de parámetros fisiológicos. Además, se exploran los aspectos de la utilización del sistema de análisis del sueño como parte de sistemas sanitarios más complejos. También se hace referencia al diseño de hardware para la medición no intrusiva de los parámetros fisiológicos relevantes en el análisis del sueño y el uso de estos sistemas para detectar otros trastornos, como el de la apnea del sueño. Se ha seleccionado la regresión logística multinomial como base del desarrollo en las investigaciones realizadas. Siguiendo un procedimiento metódico, el número de parámetros fisiológicos necesarios para la clasificación de las etapas del sueño se ha ido reduciendo hasta conseguirlo con tan sólo dos: señales respiratorias y de movimiento. Estas señales pueden medirse de manera no invasiva, esto es, sin contacto. La validar del método propuesto en la tesis se ha conseguido implementando un prototipo con los algoritmos desarrollados y se han probado evaluando 19324 épocas de sueño. Los resultados obtenidos han conseguido una precisión del 73% en la clasificación de las etapas de vigilia/NREM/REM y un kappa de Cohen de 0,44, mejorando a los existentes en el estado del arte y demostrando la idoneidad del enfoque realizado. En el futuro, este método podría permitir un análisis del sueño cómodo, rentable y preciso, lo que permitiría detectar los trastornos del sueño en una fase temprana para poder iniciar la terapia lo antes posible, mejorando así el estado de salud y la calidad de vida de la población en general.

• English

  The influence of sleep on human life, including physiological, psychological, and mental aspects, is remarkable. Therefore, it is essential to apply appropriate therapy in the case of sleep disorders. For this, however, the irregularities must first be recognised, preferably conveniently for the person concerned. This dissertation, structured as a composition of research articles, presents the development of mathematically based algorithmic principles for a sleep analysis system. The particular focus is on the classification of sleep stages with a minimal set of physiological parameters. In addition, the aspects of using the sleep analysis system as part of the more complex healthcare systems are explored. Design of hardware for non-obtrusive measurement of relevant physiological parameters and the use of such systems to detect other sleep disorders, such as sleep apnoea, are also referred to. Multinomial logistic regression was selected as the basis for development resulting from the investigations carried out. By following a methodical procedure, the number of physiological parameters necessary for the classification of sleep stages was successively reduced to two: Respiratory and Movement signals. These signals might be measured in a contactless way. A prototype implementation of the developed algorithms was performed to validate the proposed method, and the evaluation of 19324 sleep epochs was carried out. The results, with the achieved accuracy of 73% in the classification of Wake/NREM/REM stages and Cohen's kappa of 0.44, outperform the state of the art and demonstrate the appropriateness of the selected approach. In the future, this method could enable convenient, cost-effective, and accurate sleep analysis, leading to the detection of sleep disorders at an early stage so that therapy can be initiated as soon as possible, thus improving the general population's health status and quality of life.