SleepConFormer : un cadre EEG à canal unique atteint 91,7 % de précision pour l’évaluation de la conscience chez les patients DOC
Un nouveau cadre d’apprentissage automatique appelé SleepConFormer peut distinguer les patients en état de conscience minimale (MCS) de ceux atteints du syndrome d’éveil non répondant (UWS) avec une précision de 91,7 % en utilisant un seul canal d’électroencéphalographie (EEG), selon une étude publiée dans IEEE Transactions on Biomedical Engineering. Le cadre intègre la stadification du sommeil et l’évaluation de la conscience dans un pipeline unifié, offrant une voie potentielle vers un suivi objectif et automatisé au chevet du patient dans les soins neurocritiques.
Ce que SleepConFormer a découvert
Les chercheurs ont développé SleepConFormer, une architecture d’apprentissage profond à trois composants pour le traitement des signaux EEG à canal unique. Le premier composant, MTERL (apprentissage de représentation EEG multitâche), est un module de pré-entraînement entraîné sur de grands ensembles de données publiques de sommeil pour apprendre des caractéristiques EEG généralisables. Le deuxième est un module SCE-Transformer qui effectue une modélisation temporelle consciente de la confusion, conçu pour gérer les transitions ambigües entre les stades du sommeil qui surviennent fréquemment dans les populations pathologiques. Le troisième composant utilise l’agrégation dans l’espace des logits pour produire des classifications robustes à gros grain pour la stadification Éveil-Sommeil et Éveil-NREM-REM.
Sur trois ensembles de données publics de participants en bonne santé, le modèle a atteint une précision de stadification du sommeil à cinq classes allant de 84,5 % à 87,7 %, avec un score macro F1 cross-dataset de 78,73 %. Lorsqu’il a été testé sur une cohorte clinique de 24 patients atteints de troubles de la conscience (DOC), SleepConFormer a maintenu une précision de 80,78 % pour la différenciation grossière Éveil-Sommeil. Le résultat clinique critique était la capacité du modèle à discriminer entre MCS et UWS : 91,7 % de précision avec une aire sous la courbe (AUC) de 0,846. Cette performance a dépassé les approches basées sur des caractéristiques unimodales de 12,5 points de pourcentage.
Pourquoi c’est important
Les patients atteints de troubles de la conscience présentent un défi fondamental pour les cliniciens. Par définition, ces patients ne peuvent pas participer aux évaluations comportementales standard, qui restent l’outil principal pour déterminer le niveau de conscience. La stadification EEG conventionnelle du sommeil chez les patients DOC repose sur une notation manuelle par des experts formés, un processus chronophage qui est peu pratique pour une surveillance continue au chevet du patient.
L’architecture du sommeil est connue pour être corrélée au niveau de conscience. Le sommeil sain comprend un cycle clair à travers les stades NREM et REM, tandis que cette architecture se dégrade le long du spectre allant de MCS à UWS. Capturer cette relation automatiquement à partir d’un seul canal EEG pourrait fournir une métrique continue et objective pour suivre la conscience au fil du temps, sans nécessiter la coopération du patient ni une notation manuelle experte. Une configuration à canal unique est particulièrement attrayante pour le déploiement clinique car elle est plus simple à appliquer, moins contraignante pour les patients et plus facile à intégrer dans les flux de travail existants de soins neurocritiques que les réseaux EEG à haute densité.
Limites
L’étude présente plusieurs limitations importantes. La cohorte clinique était petite, avec seulement 24 patients DOC. L’évaluation a utilisé une validation interne indépendante du sujet, ce qui signifie que le modèle a été testé sur des patients exclus de la même cohorte plutôt que sur des données provenant d’une institution entièrement distincte. Une validation externe sur des cohortes plus larges et multisites sera essentielle avant que le cadre puisse être envisagé pour un déploiement clinique. De plus, la précision de 80,78 % pour Éveil-Sommeil dans la cohorte clinique, bien que prometteuse, laisse une marge d’amélioration, et les performances du cadre sur différents équipements EEG et environnements d’enregistrement n’ont pas été testées.
Conclusion
SleepConFormer fournit une preuve de concept qu’un EEG à canal unique, combiné à l’apprentissage de représentation et à la modélisation temporelle basée sur les transformers, peut simultanément effectuer la stadification du sommeil et l’évaluation de la conscience chez les patients atteints de troubles de la conscience. L’amélioration de 12,5 points de pourcentage par rapport aux caractéristiques unimodales suggère que l’intégration des informations de stadification du sommeil dans le pipeline d’évaluation ajoute un pouvoir discriminant significatif. Si elle est validée dans des populations cliniques plus larges et diversifiées, cette approche pourrait permettre une surveillance continue et objective de la conscience au chevet du patient en utilisant un équipement déjà disponible dans de nombreuses unités de soins intensifs.
Source
Man Li, Xiaoyu Bao, Di Chen, Wei Gao, Pengmin Qin, Xinyi Jin, Xiaochun Yang, Yanbin He, Jiahui Pan, Yuanqing Li. “SleepConFormer: A Single-Channel EEG Framework for Sleep Staging and Consciousness Assessment in Patients with Disorders of Consciousness.” IEEE Transactions on Biomedical Engineering, July 1, 2026. DOI: 10.1109/TBME.2026.3708665. PMID: 42384537.
Traduit par Lydie