Visión general del proyecto
El Síndrome de Apnea-Hipopnea del Sueño (SAHS) es un grave problema de salud en los países industrializados, pues es una enfermedad de elevada prevalencia que afecta gravemente a la calidad de vida de los pacientes sin diagnosticar y está relacionada con las principales causas de mortalidad, como son los accidentes cardiovasculares y cerebrovasculares.
Sin embargo, esta enfermedad se considera infradiagnosticada, principalmente debido a que el procedimiento de diagnóstico estándar, la polisomnografía (PSG) nocturna en una unidad de sueño especializada, es un método muy complejo y de elevado coste. Las graves consecuencias sobre la calidad de vida han concienciado tanto a la comunidad médica como a la sociedad, por lo que, actualmente, las consultas relacionadas con el SAHS son la principal causa de asistencia a las unidades del sueño. Esta preocupación, unida a las limitaciones asociadas al diagnóstico mediante PSG, ha ocasionado largas listas de espera, superiores incluso a 1 año. Aunque los recursos y el número de unidades del sueño se han multiplicado en los últimos años, estos se han visto desbordados. Por lo tanto, se espera que esta situación, lejos de solucionarse, empeore. Uno de los grandes problemas a los que debe hacer frente la sanidad en los próximos años es la reducción de las listas de espera en aquellas especialidades más sobrecargadas. Además, las largas listas de espera son un problema que tradicionalmente preocupa a la población, por lo que su reducción será percibida como algo muy positivo por la sociedad. Por otro lado, sería muy beneficioso para la sanidad, tanto pública como privada, invertir recursos en la búsqueda de nuevas metodologías diagnósticas alternativas orientadas a reducir los costes hospitalarios. La metodología propuesta en este proyecto de investigación permitirá reducir el número de pacientes que finalmente necesitan realizar una PSG completa. Para ello, se plantea realizar un estudio simplificado en el propio domicilio del paciente, con el consiguiente ahorro de recursos hospitalarios (técnicos, económicos y humanos), sin que esto afecte a la calidad del diagnóstico. Alternativamente, manteniendo una ocupación del 100% de la capacidad de las unidades del sueño, esta metodología permitiría reducir rápidamente las listas de espera, llegando incluso a eliminarlas a medio y largo plazo. El estudio propuesto trata de dar respuesta a este problema proponiendo una solución basada en el empleo de las Tecnologías de la Información y las Comunicaciones (TIC) para el análisis automático y la obtención de un diagnóstico rápido en la consulta del médico de atención especializada, eliminando la necesidad de un ingreso hospitalario. La inspección visual/semi-automática de los registros derivados de la PSG no ha logrado un nivel de diagnóstico aceptable. Además, se trata de una tarea ardua para el especialista, que requiere un tiempo elevado. El desarrollo de herramientas que permitan simplificar los estudios del sueño y realizar los registros en el propio domicilio del paciente es clave para reducir las largas listas de espera y acelerar el diagnóstico y posterior tratamiento de la enfermedad. En este sentido, consideramos que la señal de pulsioximetría nocturna es muy apropiada para la realización de estudios domiciliarios, debido a su sencillez, portabilidad, disponibilidad, bajo coste y capacidad diagnóstica contrastada.
Metodología
El test de screening propuesto se basa en el análisis automático de las señales de saturación de oxígeno en sangre (SpO2) y frecuencia de pulso (PR) registradas en el propio domicilio del paciente. Ambos registros se adquieren de manera sencilla mediante un pulsioxímetro colocado en el dedo, existiendo dispositivos portátiles comerciales que facilitan la realización de la prueba en el domicilio. La metodología se divide en 2 etapas complementarias: (i) screening de verdaderos negativos (TN) y (ii) screening de verdaderos positivos (TP). En cada etapa se optimizará un sistema experto basado en aprendizaje computacional para detectar (i) sujetos sin SAHS sin que se produzcan falsos negativos y (ii) pacientes con SAHS sin que se produzcan falsos positivos, respectivamente.
Durante la primera fase del proyecto se abordará la búsqueda del modelo de dispositivo de pulsioximetría portátil cuyas especificaciones técnicas mejor se adapten a las necesidades y objetivos propuestos. Se trata de un primer paso clave del que dependerán las etapas posteriores. A continuación, se iniciará la formación de una base de datos de sujetos sospechosos de padecer SAHS. El objetivo será registrar tanto pruebas hospitalarias como domiciliarias de 400 sujetos bajo estudio. El tamaño propuesto de la población bajo estudio supera el mínimo recomendado por la Organización Mundial de la Salud para asegurar que el tamaño muestral sea representativo de la prevalencia de la población objetivo. Para ello, cada noche se realizará un estudio de sueño a 2 pacientes en su propio domicilio (PSG portátil y registro de pulsioximetría portátil simultáneo) y un estudio de sueño a otros 2 pacientes en el hospital (PSG estándar y registro de pulsioximetría portátil simultáneo). Al día siguiente, los pacientes que realizaron en primer lugar los registros en su domicilio completarán el protocolo en el hospital (secuencia DOM-HOS), mientras que los pacientes que realizaron en primer lugar los registros hospitalarios completarán el protocolo en su propio domicilio (secuencia HOS-DOM). De esta forma, es posible randomizar el entorno de realización de los registros para evitar cualquier sesgo asociado a la secuencia de estudios. Cada paciente deberá realizar la prueba hospitalaria y la domiciliaria en noches consecutivas para que las condiciones fisiológicas entre ambas pruebas sean lo más parecidas posible. Esto permitirá evaluar la variabilidad de los diagnósticos realizados en diferentes noches.
De manera paralela a la creación de la base de datos, se comenzará una revisión en profundidad del estado del arte de métodos de extracción y selección de características, de técnicas de reconocimiento de patrones, así como de algoritmos de combinación de clasificadores. Una vez evaluada la conveniencia de las metodologías de procesado automático de la señal, se seleccionarán los procedimientos más apropiados y se comenzará con su desarrollo e implementación. Al mismo tiempo, se identificarán los requisitos necesarios para implantar un sistema e-Health capaz de dar un servicio integral a los profesionales de Atención Especializada y de facilitar el proceso de diagnóstico de pacientes con SAHS. A medida que se vaya completando la base de datos de registros de sueño, se aplicarán los métodos desarrollados a las señales de pulsioximetría (grupo de entrenamiento, compuesto por 200 sujetos) y se evaluarán los resultados obtenidos (grupo de test, compuesto por 200 sujetos) en términos de rendimiento diagnóstico (precisión y concordancia). Paralelamente, se completarán las tareas de diseño e implementación del sistema integral e-Health. En dicho sistema será integrado el protocolo de screening que demuestre una mayor capacidad diagnóstica en el grupo de test. Posteriormente, se llevará a cabo la evaluación del sistema en un entorno de actuación real, testeando tanto el rendimiento de cada módulo en que se dividirá como el del conjunto integrado completo.
En la fase final del proyecto se analizará la relación coste-eficacia de la propuesta y del sistema desarrollado. De esta forma, se evaluará el coste real de la solución proporcionada, su eficacia diagnóstica, así como el ahorro conseguido frente al estándar diagnóstico actual. Por último, en base a este análisis, se llevará a cabo el estudio de la protección industrial e intelectual de los resultados que conducirá a un plan de explotación de los mismos.
Descripción de la metodología de análisis automático
La fase del proyecto centrada en el desarrollo e implementación de los métodos de procesado automático de las señales procedentes de la pulsioximetría nocturna (SpO2 y PR) comprende tres etapas bien diferenciadas:
- Extracción de características. Los eventos de apnea, y su repetición durante el sueño, provocan cambios en la actividad fisiológica del paciente que quedan reflejados en los registros biomédicos de SpO2 y PR. La información contenida en estas señales puede ser, por tanto, una herramienta de gran utilidad para la detección del SAHS.
- Selección de características. Esta etapa permite identificar el subconjunto de características que proporciona un mejor rendimiento en la posterior fase de reconocimiento de patrones: permite detectar información complementaria, descartar datos variables ruidos o irrelevantes, minimizar la complejidad del clasificador y la necesidad de recursos de almacenamiento y computacionales.
- Reconocimiento de patrones. La etapa de reconocimiento de patrones se implementará desde 3 enfoques complementarios: clasificación binaria (identificación de sujetos “SAHS negativo” y “SAHS positivo”), regresión (estimación del IAH para establecer la severidad) y combinación de clasificadores (combinación masiva de sistemas expertos).
En primer lugar, se propone extraer características de las señales de SpO2 y PR mediante técnicas que aborden el procesado de estas señales desde distintos enfoques (tiempo vs. frecuencia y lineal vs. no lineal), con la intención de obtener la mayor cantidad posible de información útil y complementaria. A continuación, se seleccionará el subconjunto óptimo de características que contenga de forma conjunta mayor información en la ayuda al diagnóstico del SAHS aplicando diferentes métodos de reducción de dimensionalidad (selección por pasos, programación evolutiva, máxima relevancia/mínima redundancia). Finalmente, se desarrollarán métodos de reconocimiento de patrones desde tres enfoques diferentes: clasificación binaria (regresión logística, redes neuronales, redes bayesianas, árboles de decisión), regresión (regresión lineal múltiple, redes neuronales de regresión y redes bayesianas) y combinación de clasificadores (bagging, boosting, stacking). A partir de la evaluación de cada método se obtendrá el protocolo de screening más adecuado para el diagnóstico del SAHS.