三级家庭睡眠呼吸暂停设备自动评分与手动评分的一致性
一项单中心回顾性研究发现，家庭睡眠呼吸暂停测试的自动评分系统性地低估了疾病严重程度，将近一半的中度病例分类错误。
导语
家庭睡眠呼吸暂停测试（HSAT）已成为阻塞性睡眠呼吸暂停（OSA）诊断的基石，为患者提供了便捷的实验室多导睡眠监测替代方案。但一个关键问题一直悬而未决：这些设备内置的自动评分算法究竟有多可靠？科威特穆巴拉克·阿尔·卡比尔医院的一项新研究给出了令人警醒的答案。
发表在《睡眠医学X》上的这项回顾性分析共纳入525名患者，结果显示，与训练有素的睡眠技师进行的手动评分相比，三级HSAT设备的自动（计算机化）评分始终低估了呼吸事件指数（REI）。在某些严重程度类别中，多达44.5%的中度OSA患者被降级为更轻度的分类，这引发了人们对漏诊或治疗延迟的担忧。
研究发现
由Sulaiman Khadadah领导的研究团队比较了三级HSAT记录的自动评分和手动评分,,这些设备通常监测3至4个通道，包括血氧测定、气流、呼吸努力和心率，但不包括实验室多导睡眠监测中的完整脑电图（EEG）。
主要发现十分显著：
- 系统性低估。 在整个研究人群中，自动REI值始终低于手动推导的REI值。Bland-Altman分析证实了低估偏倚，一致性界限宽到具有临床意义。
- 严重程度误分类。 当患者按标准OSA严重程度类别（无、轻度、中度、重度）分层时，自动评分误分类了相当大比例的患者。最令人担忧的是中度病例中44.5%的低估率,,这些患者被算法将疾病降级为轻度或无症状。
- 低通气事件驱动的差距。 差异在低通气指数中最为明显。自动评分检测到的低通气事件显著少于手动评分。由于低通气在许多患者的呼吸事件中占很大比例，这一单一差异导致了整体REI低估的大部分。
- 阈值问题。 误分类集中在临床上重要的严重程度临界值附近,,即轻度与中度之间、中度与重度之间的界限。真实REI接近这些阈值的患者最容易被误分类，因为微小的评分差异就会将他们推到线的另一侧。
该研究同时使用了”标准”和”扩展”REI定义，两种定义下的模式一致，强化了结论。
为何重要
阻塞性睡眠呼吸暂停影响全球约9.36亿成年人，大多数病例仍未得到诊断。家庭睡眠呼吸暂停测试一直是扩大诊断可及性的关键工具，尤其是在COVID-19大流行期间及之后，实验室测试面临容量限制。
然而，HSAT的诊断价值取决于其评分的准确性。如果自动算法系统性地低估严重程度，患者可能会被告知其睡眠呼吸暂停是”轻度”的，而实际上却是”中度”的,,从而可能放弃使用气道正压通气（PAP）疗法等本可改善其睡眠质量、心血管风险和日间功能的治疗。
研究结果还指出了具体的改进目标。由于差距主要由低通气检测驱动，改进算法以更好地识别这些微妙事件,,以气流下降伴随氧饱和度下降或觉醒为特征,,可能在准确性方面带来最大的提升。这是下一代AI驱动评分工具的具体目标。
局限性
作为一项单中心回顾性研究，其结果反映了一家机构的患者群体和评分实践。所使用的三级设备可能无法代表所有市售HSAT平台。手动评分虽然被视为参考标准，但其本身也存在固有的评分者间变异。该研究未将任一方法与实验室脑电图多导睡眠监测这一金标准进行比较，因此每种方法的真实准确性仍然未知。此外，该研究未报告结局,,即被自动评分误分类的患者是否随后出现了更差的临床结果,,如果报告了这一点，将增强研究结果的临床相关性。
结论
与手动技师评分相比，三级家庭睡眠呼吸暂停测试的自动评分会低估REI和OSA严重程度，特别是通过低通气事件的检测不足。临床医生在解读HSAT结果时应意识到这一偏倚，尤其是对于自动REI接近严重程度阈值的患者。这些发现为改进自动和AI驱动评分算法提供了明确方向：更好的低通气检测是最具影响力的单一目标。
来源
Khadadah S， Alanazi H， Saleh Y， Aljabri J， Elbagalaty MF， Ali A， Abdulsalam M. Agreement between automated and manual scoring of level 3 home sleep apnea devices: A single-center retrospective study. Sleep Medicine X. 2026 Jun 29;12:100193. DOI: 10.1016/j.sleepx.2026.100193. PMID: 42405233. PMCID: PMC13330509.
婷 翻译