儿科睡眠自动评分之探索：我们走到了吗？
过去十年间，自动睡眠评分算法已经改变了成人睡眠实验室，但《睡眠》期刊上的一篇新文章质疑同一技术是否已为儿科患者准备就绪。据儿科睡眠专家Alex Gileles-Hillel和生物医学工程师Joachim A Behar的说法，答案比简单的是或否更为复杂。
该文章由睡眠研究学会于6月27日在线发表，汇集了来自哈达萨医疗中心、希伯来大学耶路撒冷校区和以色列理工学院临床和技术的视角。Gileles-Hillel领导哈达萨的儿科肺病学和睡眠部门，而Behar则在应用于生理信号的机器学习方面拥有深厚的专业知识。
儿科睡眠评分为何不同
在睡眠方面，儿童并非小型成人。他们的睡眠结构与成人有显著差异：更多慢波睡眠、不同的脑电图形态，以及在发育过程中快速变化的年龄依赖型标准值。基于成人多导睡眠图数据训练的算法可能系统性地错误分类儿科睡眠阶段，导致不准确的临床评估。
雪上加霜的是，儿科睡眠实验室通常难以获得训练稳健机器学习模型所需的大规模、标注完善的数据库。成人睡眠评分受益于数十年的积累数据和成熟的商业系统；而儿科的流程管道远未成熟。
尚待解决的问题
该文章强调了几个未解决的挑战。首先，数据稀缺：大多数儿科睡眠数据集规模小、局限于特定机构，且缺乏标准化的标注协议。其次，验证标准：对于自动儿科评分系统在部署前需要什么样的临床验证才算充分，目前尚无共识。第三，发育变异性：算法必须考虑婴儿期、儿童期和青少年期睡眠脑电图的快速变化，而目前很少有模型能够处理这一点。
作者的多学科视角反映了一个日益增长的认识：前进的道路需要理解儿科生理学的睡眠临床医生与能够构建足够稳健以供临床使用的算法的数据科学家之间的合作。
为何重要
准确的睡眠评分是儿科睡眠医学的基础。错误分类可能延迟睡眠呼吸障碍、异态睡眠以及其他影响发育、行为和生活质量的疾病的诊断。如果自动化工具能够针对儿童进行验证，它们就可以在缺乏训练有素的技术人员进行手动评分的环境中，扩大客观睡眠评估的可及性，或者在成本过高的情况下提供替代方案。
目前，标题中提出的问题仍然悬而未决。但通过清晰地界定这些差距，Gileles-Hillel和Behar为仍需完成的工作提供了一份路线图。
婷 翻译
Source
Gileles-Hillel A, Behar JA. The Quest for Automated Pediatric Sleep Scoring: Are We There Yet? Sleep. 2026 Jun 27:zsag174. doi: 10.1093/sleep/zsag174. PMID: 42364168.