A non intrusive OSA severity estimation for CPAP therapy screening based on snoring acoustical analysis

• Ano de defesa: 2018
• Autor(a) principal: Bublitz, Carlos Fabiel
• Orientador(a): Rochol, Juergen
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Palavras-chave em Português: Informática médica; Processamento : Sinais
• Palavras-chave em Inglês: OSA; Mobile Health; Digital Signal Processing; Machine Learning; Acoustical Analysis; Snoring events
• Link de acesso: http://hdl.handle.net/10183/186246

A Sindrome da Apneia Hipopneia obstrutiva do sono (SAHOS) é caracterizada por episódios repetidos de obstrução parcial (hipopneia) ou completa (apneia) das vias aéreas superiores durante o sono. Os efeitos clínicos da SAHOS estão relacionados aos efeitos cumulativos da exposição à asfixia periódica e à fragmentação do sono causada por apneias e hipopnéias, como o aumento do risco de hipertensão, disritmias noturnas, insuficiência ventricular, infarto do miocárdio e acidente vascular cerebral. O padrão ouro para o diagnóstico de SAHOS é a Polissonografia (PSG), na qual requer que o paciente permaneça durante a noite inteira no laboratorio de sono, conectado a diferentes sensores biológicos e sob a supervisão de um técnico. Além do desconforto causado pelos sensores invasivos, a necessidade de um ambiente clínico e infraestrutura altamente especializada resulta em uma longa lista de espera nos laboratórios do sono e altos custos, restringindo assim o acesso ao diagnóstico e tratamento. Para melhorar o monitoramento da evolução da OSA, o acesso ao diagnóstico e o acompanhamento do tratamento, propõe-se uma solução baseada em Mobile Health (mHealth) para utilizar os recursos do smartphone a fim de desenvolver uma estimativa não invasiva da gravidade da SAHOS. Utiliza-se o áudio gravado através de um smartphone para detectar automaticamente os eventos de ronco durante a noite e, através da análise desses eventos, estimar a necessidade do paciente para o tratamento de Pressão Positiva Contínua nas Vias Aéreas (CPAP). Para isso, dividimos nossa solução em duas fases: (i) uma solução completamente não supervisionada para detectar automaticamente os eventos de ronco em um ambiente não controlado e (ii) a análise das características acústicas dos eventos de ronco para estimativa de gravidade da SAHOS. Na primeira fase, podemos comprovar a viabilidade de gravar o áudio e detectar os eventos de ronco usando um smartphone em um ambiente suscetível a ruídos aleatórios. Na segunda fase, mostramos que um conjunto de características acústicas globais dos eventos de ronco pode prever a necessidade do paciente para o tratamento com CPAP. Nossa solução proposta foi avaliada em ambiente não controlado (domicílio do paciente) e controlado (laboratório do sono), atingindo resultados satisfatórios na detecção de eventos de ronco e classificação do paciente de acordo com a necessidade de tratamento com CPAP.