BR112016015857B1 - Sistema para analisar o sono em um sujeito, uso do sistema, e método para analisar o sono em um sujeito - Google Patents

Abstract

SISTEMAS E MÉTODOS PARA DIAGNÓSTICO DO SONO. A presente invenção refere-se a de sistemas e métodos para determinação de estágio de sono. Os sistemas exemplificativos revelados no presente documento incluem um módulo de complexidade operável para medir a complexidade de regularidades em um canal de EEG e um estagiador operável para emitir pelo menos um estágio de sono correspondente. Alguns sistemas exemplificativos também incluem monitorar um indivíduo e determinar que o indivíduo pode ter uma debilitação, doença de Alzheimer ou problema com a anestesia que está associado aos problemas de estagiamento de sono.

Description

PEDIDO RELACIONADOS

[001] O presente pedido reivindica o benefício do pedido de patente provisório de número de série U.S. 61/925.177, depositado em 8 de janeiro de 2014, cuja totalidade do conteúdo está aqui incorporada, a título de referência.

CAMPO DA TÉCNICA

[002] As modalidades descritas no presente documento referem- se a sistemas e métodos para determinação de estágio de sono e, em particular, a sistemas e métodos para determinação de estágio de sono que podem ser adequados para desempenho fora de um laboratório do sono.

INTRODUÇÃO

[003] O sono é uma das necessidades básicas dos mamíferos. Por exemplo, o estado desperto de uma pessoa tem um efeito sobre os estados de sono, e a qualidade do sono frequentemente tem um impacto significativo sobre o funcionamento diurno (isto é, sem sono) de uma pessoa. Os distúrbios do sono que interferem com a qualidade de sono podem ter consequências individuais e sociais significativas, inclusive, causar problemas como hipertensão, doença cardiovascular, obesidade e diabetes.

[004] Atualmente, o registro de sono para propósitos de diagnóstico (isto é, para diagnosticar distúrbios de sono) é realizado em laboratórios do sono, e é chamado de polissonografia (PSG).

[005] A polissonografia geralmente envolve a obtenção de inúmeros sinais diferentes de um indivíduo. Três desses grupos de sinais (a saber, atividade cerebral, tônus de músculo esquelético e eletro-oculograma) podem ser resumidos em um hipnograma, que representa a totalidade de estágios de sono (isto é, níveis e tipos de sono) que ocorrem durante uma sessão de sono.

[006] Determinar qual "estágio" de sono um indivíduo experimenta durante uma sessão de sono é rotineiramente realizado por tecnólogos do sono que identificam manualmente cada estágio com base em critérios de pontuação-padrão.

[007] Por exemplo, o estágio 1 é o início de um ciclo de sono, que é um sono relativamente leve. Durante esse estágio, o cérebro produz ondas alfa. Entretanto, durante o sono do estágio 2, o cérebro produz uma atividade de onda cerebral rítmica rápida, conhecida como fusos de sono. No estágio 3, que é um estágio transicional entre um sono leve e profundo, o cérebro começa a produzir ondas delta, que são lentas. Em seguida, no estágio 4, o cérebro está em um sono profundo e produz muitas ondas delta (dependendo do sistema de classificação de sono particular que é usado, em alguns casos, o sono de estágio 3 e o sono de estágio 4 podem ser agrupados juntamente e denominados, simplesmente, de sono de onda lenta (SWS)). Por fim, no estágio 5, o cérebro entra no sono de Movimento Rápido do Olho (REM), também conhecido como sono ativo. Esse é o estágio em que a maior parte dos sonhos ocorrerá.

BREVE DESCRIÇÃO DOS DESENHOS

[008] Algumas modalidades serão descritas agora, apenas a título de exemplo, com referência aos desenhos seguintes, em que:

[009] a Figura 1 é um diagrama esquemático que ilustra uma colocação convencional de eletrodos na cabeça de um indivíduo para um registro de polissonografia (PSG);

[0010] a Figura 2 é um diagrama esquemático que ilustra uma nova colocação de eletrodos na cabeça de um indivíduo para um PSG de acordo com as modalidades, conforme descrito no presente documento;

[0011] a Figura 3A é um gráfico exemplificativo que mostra uma EEG de sono profundo para um indivíduo registrado com uma colocação de eletrodo convencional, com configurações de filtro definidas como 1 a 70 Hz, Notch de 60 Hz, 30 s/página e 7 uV/mm;

[0012] a Figura 3B é um gráfico exemplificativo que mostra o mesmo segmento de EEG para o indivíduo da Figura 3A e com o uso das mesmas configurações de filtro que a Figura 3A, porém, registrado com a colocação de eletrodo de acordo com os ensinamentos no presente documento;

[0013] a Figura 4 é um gráfico exemplificativo que mostra EEG registrada durante o sono de REM para um indivíduo com uma colocação de eletrodo de acordo com os ensinamentos no presente documento, com o uso das mesmas configurações de filtro que a Figura 3A;

[0014] a Figura 5 é um diagrama de blocos esquemático de um sistema para determinar estágios de sono de acordo com uma modalidade;

[0015] a Figura 6 é um gráfico que mostra uma característica de frequência de um filtro de Passa-Baixa para uso com o sistema da Figura 5 de acordo com uma modalidade;

[0016] a Figura 7 é um gráfico que mostra uma característica de frequência de um filtro de Passa-Alta para uso com o sistema da Figura 5 de acordo com uma modalidade;

[0017] a Figura 8 é um gráfico que mostra uma característica de frequência de um filtro Notch para uso com o sistema da Figura 5 de acordo com uma modalidade;

[0018] a Figura 9 é um diagrama de blocos esquemático de um estimador de densidade de REM/SEN para o sistema da Figura 5 de acordo com algumas modalidades;

[0019] a Figura 10 é um gráfico exemplificativo que mostra atividade de REM em canais de EOG (LOC, ROC) de acordo com uma modalidade;

[0020] a Figura 11 é um diagrama de blocos esquemático de um estagiador para uso com o sistema da Figura 5 de acordo com uma modalidade;

[0021] a Figura 12A é um gráfico exemplificativo de uma determinação de estágio de sono para um indivíduo conforme produzido manualmente por um revisor humano com o uso de critérios de pontuação-padrão;

[0022] a Figura 12B é um gráfico exemplificativo de uma determinação automatizada de estágio de sono produzida para o mesmo indivíduo que na Figura 12A e que mostra a complexidade de EEG durante uma sessão de sono (complexidade normalizada versus tempo). A linha horizontal de topo representa o limite de N1 e a linha de fundo representa o limite de topo de N2.

[0023] A Figura 13 é um gráfico exemplificativo que mostra a borda entre W-S1 como o mínimo local superior antes do início do sono (no ponto X), com o gráfico que representa a complexidade normalizada versus tempo;

[0024] a Figura 14 é um gráfico exemplificativo de uma transmissão W-S1-S2 para gerador de alfa em um indivíduo (mostrado como frequência dominante versus tempo);

[0025] a Figura 15 é um gráfico exemplificativo de uma DPA beta para uma sessão inteira de sono (mostrada como beta por cento versus tempo). A barra de topo e a barra de fundo representam as caudas da distribuição beta.

[0026] A Figura 16 é um gráfico exemplificativo, sendo que a porção de topo do gráfico mostra complexidade normalizada, ao passo que a porção de fundo do gráfico mostra um primeiro derivado de complexidade (em preto) e um segundo derivado de complexidade (em cinza), em que o ponto A representa o limite S1-S2;

[0027] a Figura 17 é um histograma exemplificativo do erro na determinação do início do sono de acordo com uma modalidade. Na abcissa, os números representam épocas (30 s).

[0028] A Figura 18 é um histograma exemplificativo do erro na determinação da latência de REM de acordo com uma modalidade. Na abcissa, os números representam épocas (30 s).

[0029] A Figura 19 é um histograma exemplificativo do erro na determinação do início de DS de acordo com uma modalidade. Na abcissa, os números representam épocas (30 s).

[0030] A Figura 20 é um histograma exemplificativo do erro na determinação da eficácia de sono de acordo com uma modalidade. Na abcissa, os números representam a porcentagem de erro.

[0031] A Figura 21 é um histograma exemplificativo do erro na determinação do Sono Profundo Total de acordo com uma modalidade. Na abcissa, os números representam a porcentagem de erro.

[0032] A Figura 22 é um histograma exemplificativo do erro na determinação do Sono Leve Total (S1 + S2) de acordo com uma modalidade. Na abcissa, os números representam a porcentagem de erro.

[0033] A Figura 23 é um histograma exemplificativo do erro na determinação do REM Não Total de acordo com uma modalidade. Na abcissa, os números representam a porcentagem de erro.

[0034] A Figura 24 é um histograma exemplificativo do erro na determinação do REM Total de acordo com uma modalidade. Na abcissa, os números representam a porcentagem de erro.

[0035] A Figura 25 é um histograma exemplificativo do erro na determinação do Tempo de Sono Total de acordo com uma modalidade. Na abcissa, os números representam a porcentagem de erro.

[0036] A Figura 26 é um histograma exemplificativo do erro na determinação do tempo Total no estágio Acordado após o início do sono de acordo com uma modalidade. Na abcissa, os números representam a porcentagem de erro.

[0037] A Figura 27 é um diagrama relacional esquemático no modelo de CDP de acordo com uma modalidade.

DESCRIÇÃO DE ALGUMAS MODALIDADES PARTICULARES

[0038] Visando a simplicidade e a clareza da ilustração, quando for considerado adequado, os numerais de referência podem ser repetidos entre as Figuras para indicar elementos ou etapas correspondentes ou análogas. Além disso, inúmeros detalhes específicos são estabelecidos a fim de fornecer um entendimento minucioso das modalidades exemplificativas descritas no presente documento. Entretanto, será entendido pelos elementos de habilidade comum na técnica que as modalidades descritas no presente documento podem ser praticadas sem esses detalhes específicos. Em outros casos, os métodos, procedimentos e componentes bem conhecidos não foram descritos em detalhes, de modo a não obscurecer as modalidades geralmente descritas no presente documento.

[0039] Ademais, a presente descrição não deve ser considerada limitadora do escopo das modalidades descritas no presente documento de nenhuma forma, mas em vez disso, meramente como descritivas da implantação de várias modalidades.

[0040] Em alguns casos, as modalidades dos sistemas e métodos descritos no presente documento podem ser implantadas em hardware, em software ou uma combinação de hardware e software. Por exemplo, algumas modalidades podem ser implantadas em um ou mais programas de computador que são executados em um ou mais dispositivos de computação programável que incluem pelo menos um processador, um dispositivo de armazenamento de dados (inclusive, em alguns casos, memória volátil e não volátil e/ou elementos de armazenamento de dados), pelo menos um dispositivo de entrada e pelo menos um dispositivo de saída.

[0041] Em algumas modalidades, um programa pode ser implantado em programação processual de alto nível ou orientada por objeto e/ou linguagem de script para se comunicar com um sistema de computador. Entretanto, os programas podem ser implantados em linguagem de montagem ou de máquina, se for desejado. De qualquer maneira, a linguagem pode ser uma linguagem compilada ou interpretada.

[0042] Em algumas modalidades, os sistemas e métodos conforme descrito no presente documento também podem ser implantados como um meio de armazenamento legível por computador não transitório configurado com um programa de computador, em que o meio de armazenamento configurado assim faz com que um computador opere de uma maneira específica e predefinida para realizar pelo menos algumas das funções, conforme descrito no presente documento.

[0043] Conforme discutido acima, o registro de sono para propósitos de diagnóstico é atualmente realizado em laboratórios do sono. Infelizmente, o processo de configuração envolvido na determinação de estágios de sono em um laboratório do sono é demorado.

[0044] Por exemplo, conduzir uma investigação de estágio de sono exige a colocação de inúmeros eletrodos na cabeça de um indivíduo. Essa colocação de eletrodo exige a preparação do local de registro para contato elétrico ideal. Ademais, de acordo com técnicas existentes, a colocação de eletrodos no indivíduo deve ser precisa e seguir um sistema-padrão (chamado de um sistema 10-20), de acordo com o qual os tecnólogos do sono precisam medir e identificar localizações específicas no couro cabeludo sobre as quais colocar os eletrodos.

[0045] Alguns laboratórios do sono podem usar ferramentas de software automatizadas para gerar hipnogramas. Entretanto, embora essas ferramentas tenham um grau razoável de exatidão, as mesmas são altamente dependentes da posição de eletrodo. Isso tende a limitar seu uso em determinadas aplicações e impede a implantação de estudos domésticos de estágios de sono. Em particular, os pacientes normalmente não podem preparar os locais de aplicação de eletrodo e colocar os eletrodos com precisão suficiente, tanto por conta própria quanto com auxílio de funcionários não versados, para alcançar resultados precisos.

[0046] Ademais, as ferramentas de software conhecidas não foram geralmente testadas na população pediátrica (isto é, crianças) em que as leituras de eletroencefalografia (EEG) são diferentes das leituras de EEG de adultos.

[0047] Um dos maiores desafios da medicina do sono moderna parece ser sua expansão dispendiosa. Apesar da existência de um grande número de problemas do sono na população, apenas uma pequena quantidade de pacientes é, de fato, tratada visto que a maior parte das afecções passa não detectada em práticas normais da medicina de família.

[0048] Atualmente, duas das principais barreiras que obstruem o processo de detecção e diagnóstico de distúrbios de sono são barreiras educacionais e barreiras tecnológicas. Os ensinamentos no presente documento são geralmente endereçados às barreiras tecnológicas.

[0049] Os testes de sono convencionais conhecidos são dispen diosos e devem ser realizados em laboratórios do sono, que têm capacidade limitada. Entretanto, visto que a maior parte da população não visita regularmente um laboratório de sono, grandes quantidades de pacientes permanecem fora do alcance desses laboratórios. Isso apresenta consequências significativas para saúde pública, por exemplo, em relação aos problemas como hipertensão, doença cardiovascular, obesidade e diabetes.

[0050] Em geral, os ensinamentos no presente documento são direcionados para novos sistemas e métodos para determinação de estágio de sono humano, que são adequados para desempenho fora da configuração de laboratório do sono tradicional.

[0051] Em particular, uma ou mais dentre as técnicas conforme discutido no presente documento podem ter um ou mais benefícios em relação às técnicas de diagnóstico de sono convencionais, incluindo potencial para precisão aprimorada, maior facilidade de uso, facilitando a possibilidade de autoteste do paciente, que fornece diagnóstico de baixo custo de distúrbios de sono, fornecendo determinação de estágio de sono que pode ser conduzida fora de um laboratório do sono, de modo a permitir que a determinação de estágio de sono seja realizada na residência do paciente e de modo a fornecer níveis de informações comparáveis quanto aos níveis de informações obtidos em um teste de sono no laboratório convencional.

[0052] Em alguns casos, os ensinamentos no presente documento podem permitir a migração de pelo menos uma parte de alguns diagnósticos de sono para longe de laboratórios do sono e em direção à prática de medicina de tipo familiar. Isso pode permitir um teste de escala mais ampla para distúrbios de sono.

[0053] Ademais, em pacientes em que um técnico medicinal de família (isto é, um médico ou enfermeiro técnico) detecta problemas do sono com o uso dos ensinamentos no presente documento, os pacientes podem, então, ser encaminhados para diagnóstico e tratamento especializado adicional em um laboratório do sono. Isso pode fazer um melhor uso de recursos de cuidados com a saúde limitados, como laboratórios do sono, pode focar mais em pacientes que já foram pré-examinados quanto a distúrbios de sono e menos em pacientes que podem não ter nenhum distúrbio de sono.

[0054] Alguns dos ensinamentos no presente documento podem permitir que um técnico de cuidados com a saúde realize testes de sono compreensivos sem um conhecimento detalhado da medicina do sono, da mesma maneira que um técnico de família pode testar atualmente a pressão sanguínea ou a temperatura.

[0055] Ademais, em alguns casos, os ensinamentos no presente documento podem ser combinados com outros módulos de diagnóstico de saúde mental, respiratório e/ou cardíaco, como um ou mais dos módulos conforme descrito no pedido de patente provisório de número de série U.S. 61/828.162 depositado em 28 de maio de 2013 e intitulado "Systems and Methods for Diagnosis of Depression", cuja totalidade dos conteúdos se encontra aqui incorporada, a título de referência. Combinar os ensinamentos no presente documento com outros módulos diagnósticos de saúde mental, respiratório e/ou cardíaco pode fornecer a possibilidade de diagnóstico doméstico altamente avançado de distúrbios de sono, de respiração e/ou mentais.

[0056] Em alguns casos, os ensinamentos no presente documento podem ser usados na criação de hubs de diagnóstico centralizados, similares a laboratórios de radiologia ou hematologia que diagnosticam inúmeras comorbidades (por exemplo, em alguns casos, distúrbios mentais, distúrbios de sono, problemas respiratórios e cardíacos podem ser diagnosticados) que até o presente momento eram diagnosticados e tratados separadamente, em geral, com resultados subideais.

[0057] Por exemplo, um modelo de operação de pontos de diagnóstico centrais (CDP) para saúde mental é mostrado na Figura 27, em que a medicina do sono, a respirologia e cardiologia podem ser realizadas com o uso de tecnologia de diagnóstico remoto automatizado implantado na residência do paciente. Inúmeros médicos de inúmeras especialidades (consultório familiar, psiquiatria, medicina do sono, respirologia e cardiologia) podem ser afiliados a um ponto de diagnóstico central que pode atender uma cidade, parte de uma cidade ou uma área geográfica maior dependendo de sua capacidade. O ponto de diagnóstico receberia referências de qualquer médico no grupo e enviaria dispositivos aos pacientes. O paciente irá realizar testes domésticos para inúmeras afecções e devolver o dispositivo pessoalmente, através de correspondência ou algum outro meio. Alternativamente, o CDP pode ter seu próprio serviço de transporte. A vantagem significativa provém da detecção de comorbidades e melhores cuidados juntamente com grandes economias para sistemas de cuidados com a saúde. Isso pode incluir, por exemplo, detectar, juntamente com problemas respiratórios, cardíacos e do sono, problemas de saúde mental comórbidos e tratar o paciente para todas as afecções com resultados potencialmente aprimorados.

[0058] Algumas das modalidades descritas no presente documento podem fornecer pelo menos uma vantagem significativa no sentido de que alguns pacientes podem não precisar ir até um laboratório de sono para o diagnóstico, mas podem ser testados em suas residências. Um ou mais hubs de diagnóstico, então, podem distribuir os resultados desses testes domésticos para um ou mais médicos ou outra equipe médica dependendo da exigência e de quaisquer afecções sinalizadas durante o teste doméstico (e após uma avaliação adequada).

[0059] Voltando-se agora para as Figuras, detalhes adicionais de algumas modalidades serão descritos agora. Em particular, a Figura 1 mostra um padrão convencional de colocação de eletrodo na cabeça de um paciente que normalmente é usado em um diagnóstico de sono em laboratório.

[0060] Em contrapartida, a Figura 2 apresenta um novo padrão de colocação de eletrodo de acordo com os ensinamentos no presente documento que podem ser particularmente adequados para uso fora de um laboratório de sono. Em particular, esse novo padrão é projetado visando simplificar o registro e permitir a aplicação dos eletrodos pelo próprio paciente ou, em alguns casos, com o auxílio de funcionários não versados.

[0061] Conforme mostrado na Figura 1, em um padrão de eletrodo convencional, os eletrodos de couro cabeludo O1, O2, C3, C4 são colocados em áreas posteriores do couro cabeludo do paciente, que normalmente são cobertas com cabelo.

[0062] De acordo com o novo padrão de colocação de eletrodo mostrado na Figura 2, entretanto, esses eletrodos de couro cabeludo O1, O2, C3, C4 foram eliminados.

[0063] Ademais, o padrão de colocação de eletrodo mostrado na Figura 2 geralmente usa uma abordagem monopolar. Essa abordagem combina a EEG com um eletro-oculograma padrão e com atividade de músculo esquelético coletada a partir do eletromiograma (EMG) submental, temporal ou ambos.

[0064] Um dentre os recursos exclusivos dessa abordagem é a coleta de EEG dos canais A1-REF e A2-REF. Essa disposição pode fornecer um ou mais benefícios, como: sinais podem ser diretamente comparáveis para rejeição de artefato; melhor preservação de pureza espectral de sinais coletados principalmente devido à falta de interferência de canais contralaterais que, em geral, têm o mesmo conteúdo de frequência; contaminação mínima pelo dipolo elétrico dos olhos (devido à maior distância da fonte); melhor separação de fontes permitidas; amplitudes de sinal geralmente não são danificadas; todos os grafoelementos geralmente estão presentes; facilidade de aplicação; e, opcionalmente, autoaplicação permitida (isto é, pelo paciente).

[0065] Uma desvantagem de uma baixa Razão de Rejeição de Modo Comum (CMRR) pode ser eliminada incluindo-se internamente um canal bipolar A1-A2 para rejeição de artefato. Notavelmente, foi observado que isso apresenta importância apenas em menos do que cerca de 1% dos estudos.

[0066] A tabela A abaixo apresenta um breve resumo de uma montagem usada para o estagiamento de sono de acordo com os ensinamentos no presente documento:

TABELA A. MONTAGEM USADA PARA ESTAGIAMENTO DE SONO

[0067] Voltando-se agora para as Figuras 3A e 3B, ilustrada nas mesmas, há uma comparação da similaridade de estatísticas de amplitude coletadas com o uso de uma colocação de eletrodo convencional (mostrada na Figura 3A) e a nova colocação de eletrodo descrita no presente documento (mostrada na Figura 3B). Em particular, essas Figuras ilustram a similaridade de estatísticas de amplitude de ondas delta em C3-A2 (Figura 3A) em comparação com A1-REF (Figura 3B) e entre C4-A1 (Figura 3A) em comparação com A2-REF (Figura 3B). Em geral, esse nível de concordância não é necessário para praticar os ensinamentos no presente documento; entretanto, pode ser útil para a validação visual dos resultados.

[0068] Voltando-se agora para a Figura 4, é evidente por meio de inspeção visual que movimentos rápidos do olho (REMs) não contaminam a EEG nos canais A1 e A2. Embora isso possa ocorrer ocasionalmente, o novo padrão de eletrodo geralmente permite uma melhor separação de fonte do que uma montagem bipolar e, portanto, tenderá a causar menos, ou até mesmo nenhuma interpretação errônea da EEG.

[0069] Além das vantagens fornecidas pela qualidade de sinal com o uso dessa técnica, outra vantagem provém da facilidade de aplicação dos eletrodos. Em particular, o padrão de eletrodos mostrado na Figura 2 permite uma autoaplicação relativamente rápida de eletrodos através de um paciente ou outros funcionários não versados sem comprometer, em geral, a exatidão de diagnóstico.

[0070] Para fornecer um melhor entendimento dos ensinamentos no presente documento, uma analogia sugestiva será fornecida agora. O sono pode ser imaginado como uma paisagem montanhosa distinguida por elevações e marcos. A paisagem do sono é determinada pelos fatores cronobiológicos. Os marcos são eventos assíncronos, imprevisíveis causados por estímulos exógenos que interagem com o estado interno. Os exemplos de tais eventos podem ser excitações, despertar, complexos de K, fusos de sono, ondas V e assim por diante. Observe que esses eventos não estão sempre presentes ou visíveis e, em geral, não alteram a paisagem do sono; os mesmos meramente decoram a paisagem e são condicionados pela mesma.

[0071] Os ensinamentos conforme descritos no presente documento para determinar estágios de sono e para construir um hipnograma podem ser analogizados para descrever diretamente a paisagem de sono.

[0072] Em contrapartida, a abordagem convencional para determinar estados de sono é mais semelhante ao mapeamento da paisagem observando-se a flora (isto é, plantas e árvores) que crescem apenas em altitudes específicas da paisagem e, então, usando essas informações florais para entender indiretamente a elevação da paisagem.

[0073] Seguindo a mesma analogia, os ensinamentos no presente documento podem ser usados para determinar a elevação a partir de medição direta, ao passo que, por vezes, a medição direta pode ser corroborada com a flora (isto é, plantas e árvores) que pode ser encontrada ao longo do caminho para confirmar a exatidão da medição direta.

[0074] Conforme descrito no presente documento, foi constatado que essa "paisagem" de sono pode ser determinada diretamente com ou sem a presença dos marcos "florais". Uma possível vantagem desse método é a possibilidade de determinar a paisagem do sono em condições em que as "plantas" podem não estar presentes (por qualquer motivo, que no diagnóstico de sono, pode ser devido a afecções patológicas ou casos controversos).

[0075] Por exemplo, no mundo real há uma grande quantidade de pacientes que não apresentam fusos, atividade alfa ou outros eventos. Portanto, a abordagem convencional para o estagiamento de sono para esses pacientes é complicada pela ausência ocasional desses elementos "florais". Essas condições variáveis também podem ser responsáveis pela falta de concordância entre diferentes pontuadores humanos que realizam manualmente uma determinação de estágio de sono para o mesmo paciente.

[0076] Foi constatado que o estagiamento direto de sono é possível através do uso da observação fundamental de que a complexidade de processos cerebrais diminui com o aprofundamento do sono. Portanto, a complexidade de processos cerebrais pode ser usada como uma medida direta da profundidade de sono.

[0077] Foi observado que o sono de REM é um estado que (em geral), apresenta a complexidade mais alta entre os estados de sono, de modo a indicar que o nível mais alto de atividade cerebral ocorre durante o sono de REM. O sono de REM é um platô de consciência em oposição a todos os outros estágios de sono e o sono de REM é muito superficial em comparação com outros estados de sono. Uma explicação possível pode ser atribuída ao alto nível de ativação do cérebro, exceto a saturação de neurônios motores, falta de atividade motora e tônus de músculo. Isso reduz o ruído (EMG) sobreposto à EEC

[0078] Voltando-se, agora, para a Figura 5 há, ilustrado na mesma, um diagrama de blocos esquemático de um sistema 100 para determinar estágios de sono de acordo com uma modalidade. O sistema 100 geralmente inclui blocos operacionais que são adaptados funcionalmente a tarefas de processamento particulares.

[0079] Em geral, a entrada 102 no sistema 100 é um fluxo de pacotes de dados de tamanho variável e que podem ser armazenados em um armazenamento temporário 104. No presente exemplo, o sistema 100, geralmente, realiza a análise à base de época em época para cada tipo de sinal relevante (EEG, EMG, EOG).

[0080] Em alguns casos, cada sinal é extraído canal por canal do pacote de dados. Cada canal, então, é processado especificamente para o tipo de sinal que o mesmo porta.

[0081] Geralmente, o canal de EEG 106 é a entrada principal para a geração do hipnograma, ao passo que outros canais 108 são canais auxiliares, cuja função é geralmente aprimorar a exatidão do hipnograma. As subseções seguintes fornecem detalhes adicionais a respeito dos módulos do sistema 100.

[0082] O sistema 100 inclui um ou mais pré-processador(es) 110. Cada pré-processador 110 pode aplicar etapas de filtração específicas aos dados dependendo do tipo de entrada 102. Em alguns casos, a filtração pode ser realizada por filtros conforme mostrado nas Figuras 6 a 8. Por exemplo, a filtração pode ser realizada com o uso dos filtros IIR de baixa-passa e alta-passa, Butterworth digitais, com - 40dB/dec e frequências de "canto" a 70 Hz e 0,5 Hz, respectivamente. Em alguns casos, um filtro de notch e um filtro de reamostragem também podem ser usados para casos em que a taxa de amostragem é superior a algum limiar (isto é, maior do que 200 Hz).

[0083] O sistema 100 também inclui um módulo de Análise de Período Digital (DPA) 112. Na prática convencional de medicina do sono, a análise de estudos do sono é geralmente realizada em etapas de 30 segundos (chamados de épocas). Como parte de métodos convencionais de estagiamento de sono, alguns estágios são identificados com o uso de proporções de ondas de uma duração e amplitude especificadas. Em vez de usar proporções contínuas, um limiar fixo normalmente é aplicado e a época é tanto sublimiar quanto acima do limiar (sono de estágios 3 ou 4, por exemplo, são determinados com base na densidade de ondas delta específicas) dependendo do limiar.

[0084] As proporções de tipos específicos de ondas são informativas de determinadas características de sono. O uso de proporções pode ser considerado uma alternativa mais exata para distinguir o sono do que o método de análise espectral de potência.

[0085] Entretanto, os ensinamentos no presente documento são direcionados ao fornecimento de uma medida exata de proporção para ondas de durações diferentes, isto é, um fluxo de distribuição espectral de ondas. Para esses propósitos, o método para contar ondas tende a ser mais adequado do que o método de cálculo de média de análise espectral de potência, devido à relação mais próxima de tempo- frequência entre o conteúdo espectral e a série de tempo original.

[0086] Em particular, de acordo com essa técnica, uma onda específica tem duração e uma frequência correspondente, portanto, é considerada tanto em uma banda quanto outra banda e a soma da duração das ondas é sempre igual à duração da série de tempo original. As variações desse método são conhecidas sob o mesmo nome, Análise de Período Digital (DPA).

[0087] O texto a seguir irá descrever uma versão exemplificativa da Análise de Período Digital (DPA). As variações de DPA existem com base na filtração aplicada antes da segmentação e do método de segmentação, entretanto, todas têm o objetivo de identificar, de uma maneira simples e da melhor forma possível, os limites de ondeleta.

[0088] Em um exemplo específico, a amostra foi filtrada dos processos aleatórios com um filtro digital de Resposta de Impulso Infinito (IIR) de banda-passa com - 50db/dec e passa-banda (0,5 Hz, 70 Hz). Além disso, um filtro digital de corta-banda foi para a frequência de linha. O filtro de corta-banda foi criado com o uso de um filtro de Passa- Alta com banda de transição (0,1, 0,5Hz) com - 40db/dec e um filtro de Passa-Baixa com banda de transição (70, 80 Hz) - 40 db/dec. As características desses filtros podem ser visualizadas nas Figuras 6 a 8.

[0089] A operação de filtração transformou os dados em uma va riável aleatória média zero. Os dados originais serão denotados nos dois canais de interesse x1 e x2respectivamente. Cada canal irá portar uma amostra tetradimensional do processo aleatório. Uma seção através do processo em um tempo discreto n (época), será representado pelo vetor aleatório:

[0090] A resolução no tempo das seções é de 30 segundos. A significância dos componentes aleatórios irá se tornar clara conforme a computação for realizada. Em particular, a computação de ni em que i e {δ, θ, β} ocorre da forma a seguir.

[0091] Um operador que encontra os cruzamentos de zero de uma série de tempo pode ser definido como:

[0092] O operador derivado D, então, é definido:

[0093] Com o uso dos operadores D e Z, é possível construir os seguintes processos aleatórios:

[0094] nδ representa a quantidade de ondas que têm uma frequência na faixa de [1, 4 Hz]. É possível, então, construir o conjunto:

[0095] zdx = Zero(Dx),

[0096] E, então, definir os dois processos aleatórios a seguir:

[0097] O sistema 100 também inclui um analisador de espectro 114. Para a detecção de artefatos e transientes de vida curta, geralmente é exigida uma resolução superior à época (30 s). Em alguns casos, uma resolução de 3 s é usada para a análise espectral. Isso fornece uma resolução espectral de 0,3 Hz. Essa abordagem é adaptada a partir de múltiplas técnicas de estimativa espectral de acordo com o método de Blackman-Tuckey:

[0098] Em que W é uma janela simétrica de comprimento ímpar, N é a largura da janela, X é a densidade espectral de potência do processo x. A equação (2) é geralmente mais fácil de computar no domínio de tempo:

[0099] Uma simplificação adicional surge devido à relação entre a convolução e covariância cruzada:

[00100] Na equação (4), x* é o conjugado complexo de x.

[00101] Com o uso de (4) em (3), é possível obter as relações computacionais:

[00102] Então, é possível computar a frequência dominante para cada janela (n):

[00103] E, então, é possível computar a potência de EMG:

[00104] Então, é possível computar a potência na banda de fuso:

[00105] O sistema 100 também inclui um módulo de complexidade 116. Com o uso da analogia de "paisagem" descrita acima, o módulo de complexidade 116 determina diretamente a paisagem do sono, ao passo que os outros módulos encontram marcos específicos.

[00106] O sono pode ser considerado uma alteração reversível da consciência desperta. Visto que o cérebro descende para estados mais profundos de sono, a excitabilidade do cérebro diminui. Geralmente, a função neural do cérebro durante o sono é diminuída em comparação com o estado desperto (embora isso não seja verdadeiro no sono de REM).

[00107] Ao mesmo tempo, os estados desperto e de sono de REM são distinguidos por uma falta de sincronia aditiva, manifestada na dessincronização de EEG. Visto que a excitabilidade é diminuída, o cérebro "se acalma". Será mostrado no presente documento que a medição da complexidade da atividade neural irá levar à determinação de estágios de sono.

[00108] Um problema imediato a ser solucionado é como distinguir a complexidade de processos cerebrais. A complexidade na ciência é medida de diversas formas diferentes. A entropia é uma medida possível, porém, tem o problema de que, embora a entropia mínima seja refletiva de estados sincronizados e baixa complexidade, a entropia máxima é alcançada para estados de aleatoriedade absoluta, que (apesar de sua aparência complexa), na realidade, não são equivalentes à complexidade. Em particular, a aleatoriedade não é equivalente à complexidade.

[00109] Por exemplo, as informações a respeito da construção de um corpo humano (isto é, o DNA) são codificadas nos genes. Um padrão aleatório de bases de nucleotídeo provavelmente não irá resultar em nada funcional ou viável, enquanto algum grau específico de ordenação irá criar diferentes formas de vida. Isso fornece uma indicação de que a complexidade está situada em algum lugar entre a ordem e a desordem total.

[00110] Outra forma para distinguir a complexidade é encontrando- se o código mais curto que pode descrever o objeto precisamente. Se houver uma sequência redundante TIC TOC TIC TOC TIC TOC TIC TOC, isso pode ser facilmente distinguido pelo pseudocódigo: "repetir TIC TOC 4 vezes". Uma sequência mais complicada exigiria um pseudocódigo mais complexo.

[00111] A EEG pode ser considerada uma soma de atividade cerebral e ruído. O ruído não porta informações a respeito do estado do cérebro e, idealmente, nossa medida de complexidade deve ignorar o ruído. Dessa forma, a complexidade eficaz mediria a complexidade das regularidades na EEG e ignorar a parte de ruído. Isso é possível em casos em que o ruído é pequeno em relação ao sinal, ou se for possível remover ou separar o ruído para trabalhar com o sinal sozinho (ou ambos).

[00112] O problema seguinte é como encontrar regularidades na EEG. Para tanto, o ruído pode ser considerado pequeno ou estatisticamente irrelevante. Para essa solução, um método similar à abordagem de Lempel-Ziv de compactação de dados foi usado.

[00113] Em particular, para cada época, foi encontrado o comprimento de descritor mínimo que permite a regeneração dos dados completos (compactação sem perdas). A fim de fazer isso, é necessário construir as variáveis aleatórias zx, tx.

[00114] Então, é definido um operador que encontra o conjunto ordenado de cruzamentos de zero de uma série de tempo:

[00115] E constrói um dicionário de durações tx com uma resolução de 5 ms. É construído um conjunto de durações:

[00116] Uma ondeleta com uma duração de 1 segundo irá corresponder ao elemento com valor 1;

[00117] Em cada etapa, um elemento da sequência de tx é codificado emitindo-se códigos binários associados aos elementos de T, que correspondem aos elementos de tx e adicionam ao conjunto T sequências estendidas de elementos de tx (dois elementos, três elementos...) que são mais longas por um em comparação com o que já existe em T.

[00118] Esse processo continua até que o conjunto T não possa mais crescer e obtém-se um conjunto T completo. Em cada etapa, os dados são criptados com o uso de inúmeros bits N que dependem da cardinalidade de T em tal etapa particular: 2N(t) >= card(T(t))

[00119] O comprimento do código é dependente da redundância dos elementos criptados. Um padrão regular será criptado de modo mais eficaz e, portanto, resultar em um código mais curto. Através da medição do tamanho do código para a mesma quantidade de dados (uma época = 30 s), é possível obter informações a respeito da complexidade dos dados e da função cerebral.

[00120] Os elementos de tx são substituídos por códigos binários que criptam as sequências mais longas. O módulo de complexidade tem uma função central na geração de hipnograma.

[00121] Em algumas modalidades, pode haver outra dimensão que pode ser explorada. Em particular, pode ser possível executar uma análise de complexidade dupla com o uso tanto de amplitude quanto de domínio de tempo. A descrição esboçada acima se refere à complexidade de domínio de tempo. A complexidade de amplitude escalaria as amplitudes para que estivessem na faixa [0 a 255] e aplicaria o mesmo procedimento para estimar a complexidade de amplitude. Dessa forma, é possível obter outra medida de complexidade que possa adicionar algumas informações extras e que possa ser útil em determinadas situações. Entretanto, essa dimensão adicional pode complicar adicionalmente a análise e não é necessário.

[00122] O sistema 100 também inclui um analisador de EMG 120. O analisador de EMG 120 avalia o EMG esquelético, principalmente para auxiliar na separação do estado de REM. Uma estimativa de EMG separada pode ser realizada no músculo Temporal no módulo de Analisador de Espectro 114.

[00123] Em particular, o tônus de EMG pode ser estimado com uma resolução de 3 segundos. Em seguida, é construído o conjunto de derivados de zero do sinal de EMG:

[00124] Zx = Zero(D emg),

[00125] em que foi aplicado ao sinal de EMG (emg) os operadores derivados (D e Zero) definido na seção de DPA.

[00126] O valor estimado de EMG para época n e segmento k é a mediana dos segmentos delimitados pelos zeros do primeiro derivado do sinal.

[00127] O sistema 100 também inclui um detector de REM/SEM 122. Antes de entrar o detector de REM/SEM 122, os dados podem ser filtrados com um filtro de banda-passa, por exemplo, um filtro com limites de passa-banda (0,5, 10 Hz) e um filtro de notch em um pré- processador 110 (conforme descrito acima).

[00128] Um diagrama de blocos de um estimador de densidade de REM/SEN exemplificativo 122 é mostrado em maiores detalhes na Figura 9.

[00129] O filtro cria uma série de tempo de média zero. A segmentação bilateral realiza uma segmentação simultânea em sinais de EOG esquerdo e direito e produz ondeletas candidatas, conforme mostrado na Figura 10. O filtro espacial analisa o campo do sinal e, se não for de origem ocular, descarta a ondeleta candidata.

[00130] A série de tempo de entrada para segmentação são todas de média zero.

[00131] É construída a série de tempo: A [n] = loc [n] - roc [n]

[00132] em que é usada a etiqueta de canal para denotar a série de tempo obtida a partir dos canais com o mesmo nome (por exemplo, loc [n] representa a n-ésima amostra do oculograma esquerdo).

[00133] São definidas algumas constantes: MIN_REM_A = 30 uV MIN_REM_T = 140 ms

[00134] É definida uma ondeleta candidata wave [i] como o conjunto convexo de índices:

[00135] O vértice da ondeleta é o índice extraído pelo operador de

[00136] No texto a seguir, para simplificar a notação, será entendido que, ao estimar a partir dos sinais no vértice esquerdo será da forma vertex(eogl_, .) e será escrito simplesmente vertex(.). O mesmo se aplica a operadores de ondeleta inicial e final.

[00137] Na equação acima, o operador de vértice extrai o vértice do conjunto x para o conjunto de índices wave [i].

[00138] Para cada ondeleta candidata é determinado o ruído em cada lado:

[00139] É construído o conjunto ndx:

[00140] Definir:

[00141] Computar:

[00142] Twave [i] = end(wave [i]) - start(wave [i])

[00143] Twave [i] é a duração da i-ésima ondeleta candidata;

[00144] Uma seleção adicional de ondeletas é aplicada da seguinte forma:

[00145] Para REMs é decimado o conjunto de ondas {wave [i]}:

[00146] É construído o campo:

[00147] É decimado adicionalmente o conjunto wave [k]:

[00148] Quando source [k] = 0 wave [k] é deletado.

[00149] Nesse ponto, há um conjunto de ondeletas com a polaridade relativa e o campo certos. Essas ondeletas representam o conjunto de soma de REMs durante os estágios desperto e de sono de REM.

[00150] Cada época tem um conjunto {REMj} de vezes em que um REM ocorreu. Essas vezes correspondem a:

[00151] REMi = vertex(wave [i])

[00152] O mesmo procedimento é usado para detectar Movimentos Lentos do Olho (SEM) com duas alterações mínimas:

[00153] MIN_REM_T é substituído por MIN_SEM_T e são inseridas em qualquer lugar no algoritmo as condições de simetria de ondeleta:

[00154] Todo o estudo tem um conjunto de REMS; um conjunto de REM para cada época "j" {REMj}, REMj é um conjunto de REMs na época "j".

[00155] A densidade de REM, então, pode ser estimada de múltiplas formas dependendo do propósito. Em um caso, uma janela de rolamento de duração variável pode ser usada, dependendo do comprimento do episódio de REM.

[00156] Configurando-se M = 1 é possível obter a contagem de REMs por época. Configuração:

[00157] Isso se traduz para configurar M para o maior valor possível, de modo que o conjunto de épocas de REM seja convexo. Nesse caso, é possível obter a contagem média de REM por episódio de REM, em que a duração do episódio de REM pode ter qualquer coisa entre uma e centenas de épocas. StageREM(k) é 1 no caso de a época k corresponder a um estágio de REM, 0 de outro modo.

[00158] O sistema 100 também inclui um estagiador 130. Uma modalidade de um estagiador 130 é mostrada em maiores detalhes na Figura 11.

[00159] A entrada no estagiador 130 é uma série de tempo de vetores de estado que contém descritores de época (consulte as Figuras 5 e 11).

[00160] state [i] =

state [i] representa o vetor de estado da época "i". A complexidade, cmplx [i] representa o comprimento do código mais curto que pode criptar a época e permitir a reprodução sem nenhuma perda.

[00161] Na Figura 11, é possível seguir as operações necessárias para realizar o estagiamento. Esse módulo será descrito em esboço geral e, então, com detalhes para cada módulo.

[00162] Devido à variabilidade de paciente e às condições de ruído variáveis, a análise é automaticamente calibrada para cada paciente. Dessa forma, essas técnicas podem não apresentar, geralmente, uma abordagem em tempo real, embora as adaptações do método para tais aplicações em tempo real sejam concebíveis.

[00163] O estado de consciência do paciente é um contínuo ao passo que os estágios de sono usados no consultório clínico são distintos. Romper o contínuo em estados discretos exige a configuração de limites de estado. É feita referência ao processo de determinação desses limites como detecção de Ponto Final. Por vezes, determinar os Pontos Finais não é simples e pode representar uma fonte de erro.

[00164] O Interpretador de EMG 134 determina o nível de EMG representativo para Despertar, Sono e REM que são úteis para classificar estados ambíguos ou transientes curtos.

[00165] O módulo de complexidade de REM 136 estabelece o platô do estado de REM à luz da complexidade e estabelece os níveis de EMG de REM com o uso de informações a partir do analisador de EMG.

[00166] Tendo estabelecido o EMG de REM e a complexidade de REM, é possível determinar, então, os pontos finais de REM (isto é, com o uso do módulo de Pontos Finais de REM de Detecção 138).

[00167] Tendo determinado os pontos finais de REM, a fim de detectar episódios de REM que não detectaram REMs, é possível, então, sintetizar um REM ideal 140 com base nos episódios de REM detectados até o momento. Após os episódios de REM terem sido identificados, inicia-se o ciclo de estagiamento 142 e é realizado o estagiamento de todo o estudo, época em época com o uso dos pontos finais detectados anteriormente.

[00168] O módulo de pontos finais estimados 132 é geralmente muito importante para o estagiador 130 e os erros nesse ponto podem ser catastróficos para o desempenho do estagiador 130. Os vetores de estado de entrada são precisos e muito confiáveis. Determinar os pontos finais pode ser uma etapa crítica do estagiamento. Embora a complexidade seja uma reflexão contínua precisa do estado de paciente contínuo, determinar os pontos finais precisamente é importante a fim de estabelecer uma concordância com a prática atual de estagiamento de sono, que usa estados discretos.

[00169] Nas Figuras 12A e 12B, é possível observar a correlação dos estágios de sono conforme determinado por um revisor humano (Figura 12A) e a complexidade da EEG estimada com o uso dos ensinamentos no presente documento (Figura 12B). Claramente, a EEG gerada de acordo com os ensinamentos no presente documento segue os estágios marcados pelo revisor humano. Esse módulo estabelece os limites entre os estágios W-S1, S1-S2 e S2-S3.

[00170] Embora seja possível não saber os pontos finais exatos para cada paciente, em geral, os pontos finais são consideravelmente estáveis com algumas exceções. A fim de incluir as exceções, em algumas modalidades, a técnica pode ser modificada para obter a generalidade útil através dos grupos de idade e regimes e condições de tratamento.

[00171] O cálculo de ponto final inicia encontrando-se um ponto no tempo que ocorre definitivamente durante o sono, pode ser chamado de época epfinal.

DB = 0,76.

[00172] Em seguida é detectado o limite W-S1. A observação empírica leva à conclusão de que olhar para trás a partir do epfinal define o mínimo local superior antes de adormecer como a complexidade característica mínima para W.

[00173] Em seguida é detectado o limite S1-S2.

[00174] No presente documento há dois casos ou classes de indivíduos ou pacientes: o caso de geradores de alfa e geradores não alfa.

[00175] Os geradores de alfa patentes individuais que têm atividade alfa suficiente na EEG para ajudar a distinguir o estado desperto com base em alfa. Para os geradores de alfa, há um marco que marca a transição de S1-S2 com base na frequência dominante. A complexidade sofre uma queda abrupta e o ritmo dominante cai de mais de 7 Hz para abaixo de 7 Hz.

[00176] Na Figura 14, é observada em B a transição de S1-S2 (B) e W-S1 (A). A característica da transição é a comutação de frequência dominante de muito baixa para acima de 7 Hz. Essa região é chamada de uma região de biestabilidade (comutação entre dois estados). Uma vez que o estado é definido, a biestabilidade desaparece e um dentre os estados "Desperto" ou "S2" se torna o padrão claro. A região com frequência dominante abaixo de 5 Hz é S2 e acima de 5 Hz é S1.

[00177] Entretanto, para pacientes que não são geradores de alfa, outro mecanismo é usado para distinguir o estado desperto. Primeiramente, é determinado o ponto em que beta tinha um máximo local antes de sofrer uma queda pela metade (consulte o ponto A na Figura 15) a partir do último valor máximo antes do início do sono.

[00178] A transição S1-S2 corresponde ao valor da complexidade em uma alteração negativa mínima de complexidade de 0,008/época entre o ponto beta0,5 e o limite superior de S3.

[00179] O início do sono é considerado a queda mais precoce no conteúdo de informações (complexidade) sob o nível do limite S1/S2.

[00180] O limite S2-S3 é determinado empiricamente como 98 por cento da complexidade correspondente a uma probabilidade de época de delta aumentado em 20% em relação à delta mediana durante todo o registro de sono, exceto os períodos em que o paciente está desperto.

[00181] São construídos os conjuntos de estimativas de delta de época (D) e complexidades de época correspondentes a uma delta aumentada em 20% em relação à mediana de sono (C).

[00182] A p representa o operador de conjunto de classificação p.

[00183] Nesse ponto foram estimados todos os limites necessários (WS1, S1S2, S2S3)).

[00184] O módulo de interpretador de EMG 134 analisa a atividade de EMG em todos os canais (A1, A2, CHIN1-CHIN2) e emite os níveis representativos de tônus de músculo esquelético para acordado (W), não REM (NREM) e sono de REM (REM) de acordo com o algoritmo seguinte:

[00185] Considera-se o início do sono a época em que cplx [i] < S1S2 a primeira vez.

[00186] Ao mesmo tempo, é calculado o dominante alfa durante o estado Desperto:

[00187] O módulo de complexidade de REM 136 estima a (informação) de complexidade de sono de REM. Primeiramente, uma detecção de limite de REM preliminar é realizada com base em níveis máximos de EMG de REM estabelecidos pelo Interpretador de EMG e a complexidade associada à detecção de REMs rápidos. Em seguida, os candidatos são recursivamente testados contra o episódio de REM de EMG mínima e episódios com EMG amplamente diferente serão deletados. O REM de densidade mais alta será usado como um representativo robusto de EMG de REM e complexidade de REM.

[00188] Os limites de REM são estabelecidos encontrando-se épocas com densidade de REM diferente de zero e finalizadas quando tanto o tônus de EMG esquelético é aumentado quanto devido à presença de fusos ou oscilações de complexidade maiores do que 2% em relação à complexidade a partir do início do episódio.

[00189] O cálculo de densidade de REM é essencialmente uma contagem de REM média na janela entre a primeira e a última épocas de REM. O aspecto importante é que os REMs individuais são validados contra excitações potenciais coincidentes ou que sucedem os REMs. Isso é necessário visto que o conjunto de REMs detectados originalmente correspondem ao estado Desperto, de REM ou de Excitações.

[00190] Uma função de Boolean verifica se há um salto de potência na banda superior a alfa durante W menos 1 Hz (powalpha [t]) :

[00191] Os limites do i-ésimo episódio de REM são:

[00192] Em seguida são deletados os episódios de REM com alto tônus esquelético:

[00193] O módulo de limites de REM 138 é uma segunda iteração da detecção de limite de REM descrita acima, porém, com uso dos parâmetros refinados estimados no mesmo.

[00194] Os limites são ajustados com o uso das condições ou oscilação de informações (de complexidade) estreita durante o sono de REM, considerando-se a convexidade do conjunto da seguinte forma:

K = 1,6

[00195] Em "Sintetizar Módulo de REM Ideal" 140, há inúmeros episódios de REM detectados e há a tentativa de detectar aqueles que podem não ter sido detectados devido à densidade de REM nula ou falha para detectar REMs devido a várias razões (por exemplo, eletrodo de EOG solto unilateralmente).

[00196] Isso é similar à Complexidade de REM Estimada, porém, com regras mais rigorosas em valores de EMG e não há a necessidade da recursão, visto que, nesse ponto, há geralmente a certeza de que o conjunto de REM é preciso.

[00197] O módulo de ciclo de estagiamento 142, então, segue época em época e emite o estágio correspondente.

[00198] Apenas um dos elementos do vetor de Boolean é diferente de zero. O elemento do vetor estágio [i] é uma função de Boolean.

[00199] Os limites do i-ésimo episódio de REM são:

[00200] A função de Boolean:

[00201] A época I será estagiada como REM se a quantidade de épocas for abrangida pelos limites do i-ésimo episódio de REM com limites de REM [i] ou a complexidade estiver em uma banda não mais do que 1% da complexidade de REM ideal e o tônus de músculo esquelético é característico do REM. Ao mesmo tempo, os estados transitórios são incluídos, a saber, a complexidade deve ser estacionária e deve haver pelo menos uma época com uma densidade de REM diferente de zero.

[00202] O restante das funções de Boolean são:

DISCUSSÃO

[00203] São apresentados abaixo os resultados de teste que 107 pacientes adultos e 25 pacientes jovens (abaixo de 18 anos de idade). Os resultados são agrupados dessa forma devido aos diferentes grupos de paciente disponíveis, entretanto, um valor geral pode ser computado facilmente com o uso de uma média ponderada, considerando a quantidade relativa de épocas do grupo como ponderações.

[00204] É óbvio a partir das tabelas (Tabelas 1 a 10) que os resultados a respeito da concordância são justamente agrupados em cerca de 80%. Em particular, a concordância de época em época de sensibilidade geral é melhor do que 80%. A sensibilidade geral por concordância de estágio é aproximadamente 80%.

TABELA 1 RESULTADOS A RESPEITO DO CONJUNTO ADC (14 PACIENTES). CONCORDÂNCIA GERAL DE 81%.

TABELA 2 RESULTADOS A RESPEITO DO CONJUNTO DE ADD (12 PACIENTES). CONCORDÂNCIA GERAL DE 82%.

TABELA 3 RESULTADOS A RESPEITO DO CONJUNTO LFT (10 PACIENTES). CONCORDÂNCIA GERAL DE 80%.

TABELA 4 RESULTADOS A RESPEITO DO CONJUNTO SFRV (41 PACIENTES). CONCORDÂNCIA GERAL DE 80%

TABELA 5 RESULTADOS A RESPEITO DO CONJUNTO DE SFR (13 PACIENTES). CONCORDÂNCIA GERAL DE 81%.

TABELA 6 RESULTADOS A RESPEITO DO CONJUNTO DE SLV (10 PACIENTES). CONCORDÂNCIA GERAL DE 82%.

TABELA 7 RESULTADOS A RESPEITO DO CONJUNTO DE SL (7 PACIENTES). CONCORDÂNCIA GERAL DE 83%.

TABELA 8 RESULTADOS A RESPEITO DO CONJUNTO DE KCB (15 PACIENTES). CONCORDÂNCIA GERAL DE 80%.

TABELA 9 RESULTADOS A RESPEITO DO CONJUNTO DE KD (6 PACIENTES). CONCORDÂNCIA GERAL DE 78%

TABELA 10 RESULDAOS A RESPEITO DO CONJUNTO DE KT (4 PACIENTES). CONCORDÂNCIA GERAL DE 88%.

[00205] Além das estatísticas de época em época, o erro dos parâmetros relatados finais foi quantificado como um resultado do erro de época em época. O erro é descrito tanto em porcentagem de erro quanto em erro absoluto, dependendo do que é mais relevante (por exemplo, o erro na latência é um erro absoluto, ao passo que o erro em TST é um erro relativo). Os histogramas de erro descritos abaixo são gerados para informar a respeito da distribuição de erro na amostra.

[00206] Na Figura 17, é possível observar que 80% dos casos têm o início do sono determinado em +/- 10 épocas.

[00207] Na Figura 18, é possível observar que a latência de REM está em +/- 10 minutos 65% do tempo e +/- 25 minutos em 85% dos casos.

[00208] Na Figura 19, é observado que o início do sono profundo é determinado exatamente (latência 0) em mais de 90% do tempo. O erro na determinação de eficácia de sono (Figura 20) é menos do que 10% em mais de 90% de casos.

[00209] O erro no sono profundo total no estudo é menor do que 3% em 104 casos dentre 107. O erro de LS se deve ao erro em S1 e S2, e é causado, em geral, pelo erro em limites de REM e limites de DS. O erro em LS é menor do que 10% em mais de 75% dos casos.

[00210] O sono de NREM total é estimado melhor do que 80% em mais de 95% dos casos (Figura 23). O erro de REM é menor do que 20% em mais de 80% dos casos (Figura 22). O tempo de sono total (TST) é estimado com um erro menor do que 10% em 90% dos casos (Figura 25). O despertar após o início é estimado com um erro menor do que 10% em 90% dos casos (Figura 26). Acredita-se, com base nesses resultados, que os sistemas e métodos conforme descritos no presente documento tenham capacidade para realizar diagnósticos de sono abandonados.

[00211] Deve ser observado que, na contraposição marcada para o "padrão dourado" atual de diagnóstico de sono (isto é, um polissonografo experiente aplica, no melhor de sua habilidade, um conjunto de regras relativamente arbitrárias), os sistemas e métodos conforme descrito no presente documento tendem a ter critérios definidos muito claramente e deve ter uma reprodutibilidade relativamente boa (e, de fato, potencialmente perfeita) de uma ocasião para a outra.

[00212] Ademais, os sistemas e métodos de acordo com esses ensinamentos podem ter a vantagem de objetividade, embora o pontuador humano está muito mais suscetível a aleatoriedades de como os recursos de arquitetura de sono particulares se aglomeram.

[00213] Dessa forma, os ensinamentos do presente pedido tendem a fornecer um algoritmo verdadeiramente objetivo ao passo que retém a vantagem de uma correlação alta (mas não perfeita) com o que a melhor pontuação humana pode fornecer. Espera-se que, ao longo do tempo, as técnicas descritas no presente documento podem ser amplamente adotadas e tenham o potencial de se tornar o padrão de fato para diagnóstico de sono.

[00214] Alguns dos ensinamentos no presente documento podem levar a uma ou mais vantagens em relação às técnicas de diagnóstico de sono convencionais, como uma configuração de paciente simplificada, conveniência para o paciente, redução de custos significativa de testes de determinação de sono, permite a implantação na residência de um paciente, de modo a permitir que um paciente durma em casa durante o teste, sem necessidade de que o paciente tire folgas do trabalho, sem custos de deslocamento ou com custos de deslocamento reduzidos para o paciente, configuração de laboratório e custos de laboratório simplificados, redução no custo para sistemas de cuidados com a saúde, sem tempo de espera ou com tempo de espera reduzido para disponibilidade de laboratório e cobertura mais ampla da população.

[00215] Pelo menos uma parte dessas vantagens pode estar relacionada ao novo padrão de colocação de eletrodo descrito acima em relação à Figura 2 e a partir das técnicas que podem estimar um hipnograma a partir dos novos dados de eletrodo.

[00216] Em particular, conforme mostrado na Figura 2, não há mais eletrodos no couro cabeludo (em comparação com sistemas convencionais) ao passo que eletrodos cerebrais podem ser simplesmente pregados às orelhas do paciente (e que podem ser sem fio), uma operação facilmente realizada abandonada pelo paciente em poucos segundos (em comparação com o método-padrão que exige a medição com uso de fita e posicionamento preciso de eletrodos no couro cabeludo). Em contrapartida, a operação convencional de colocação de eletrodo é demorada devido às considerações de impedância do eletrodo e a pilosidade em áreas em que os eletrodos precisaram ser aplicados.

[00217] Os ensinamentos no presente documento podem fornecer uma ou mais vantagens para um paciente. Por exemplo, o paciente pode não precisar ser submetido a uma configuração longa e inconveniente, pode não haver a necessidade de dormir fora de sua residência, sem tempo de espera devido a consultas no laboratório, sem dias de folga do trabalho e sem gastos com deslocamento que o paciente poderia, de outro modo, incorrer.

[00218] Em alguns casos, os ensinamentos no presente documento podem fornecer pelo menos um outro benefício, a saber, segurança aprimorada.

[00219] Em particular, os médicos identificaram frequentemente ameaças existentes e conduziram marcadores de política a aprimorar as abordagens de regulação a reduzir os riscos associados. Por exemplo, os respirologistas abriram os caminhos para elevar a cons- ciência sobre a ameaça de fumar e facilitaram o processo para marcadores de política para implantar medidas para a redução de fumo.

[00220] Reconhecendo-se, de modo similar, a perda de sono e a sonolência crescentemente como ameaças e como riscos à segurança, novas políticas poderiam ser implantadas para ajudar a encontrar os desafios correspondentes. Reforçar essas novas políticas é possível com o uso de alguns dos sistemas e métodos conforme descrito no presente documento para rastrear a conformidade.

[00221] Por exemplo, dirigir com sono pode ser tão perigoso quanto dirigir após consumir álcool. Ter um sistema que pode monitorar automaticamente a sonolência ao dirigir pode ser extremamente benéfico.

[00222] Em outra modalidade, os ensinamentos no presente documento podem ser úteis para detectar outras formas de debilitação mental, como devido à debilitação por consumo de álcool ou drogas. Em alguns casos, isso pode ser realizado fornecendo-se pelo menos um nível mínimo de medição em tempo real ou substancialmente em tempo real de complexidade diferencial.

[00223] Por exemplo, a debilitação pode se manifestar através de perda de atenção. Um sistema de diagnóstico pode testar o motorista de um veículo em tempo real ou substancialmente em tempo real. Se alguma debilitação for detectada, o sistema de diagnóstico, então, pode avisar ao motorista ou tomar outra ação adequada (isto é, desabilitar o veículo, notificar autoridades, etc.).

[00224] De modo similar a um registrador de voo de "caixa preta", um sistema de diagnóstico pode ser usado como um registrador em um veículo para registrar a atividade cerebral durante um deslocamento e fornecer indicações de níveis de atenção e potencialmente avisar ao motorista que não é seguro operar o veículo. Em alguns casos, esses avisos podem ser registrados.

[00225] Em geral, alguns dos ensinamentos no presente documento podem ser úteis em relação ao auxílio em estratégias de implantação para reduzir problemas econômicos, sociais, de saúde e de segurança em relação ao sono distribuído. A política pública ajudou a reduzir o risco de fatalidades de batida de automóveis mediadas pelo uso de álcool. De modo similar, a sonolência pode ser um sério fator de risco e as políticas e meios tecnológicos devem ser desenvolvidos para monitorar e impedir que os motoristas sonolentos operem automóveis.

[00226] De acordo com os ensinamentos no presente documento, um novo método para geração de hipnograma com base em princípios físicos pode ser possível. Com o uso de abordagens convencionais à medicina do sono, não era possível realizar um diagnóstico de sono na residência de um paciente. Entretanto, os sistemas e métodos descritos no presente documento podem permitir a investigação de aspectos cerebrais de sono e abrir as portas para um teste de PSG completamente abandonado na residência do paciente.

[00227] O sono é um aspecto muito importante de nossas vidas e um sono saudável é um componente importante na saúde geral de indivíduos. Atualmente, a saúde do sono é principalmente ignorada por consultórios familiares, e é imperativo que isso mude.

[00228] Alguns dos sistemas descritos no presente documento podem permitir a implantação de testes de sono abandonados, iniciados pelo consultório familiar, na residência do paciente, sem a necessidade de laboratórios do sono. Isso é útil devido à grande incidência de problemas relacionados ao sono que não são diagnosticados devido ao fato de que uma fração significativa da população não vai a laboratórios do sono.

[00229] Em geral, o consultório médico familiar deve ser a linha de frente de defesa na detecção de problemas relacionados ao sono. Na maior parte das especialidades médicas, o paciente chega ao especialista apenas após um encaminhamento do médico da família ser realizado. Por um lado, o médico da família não é convencionalmente equipado para diagnósticos de sono primários e um grande grupo de pacientes não é tratado com inúmeras consequências de longo prazo para a saúde (desenvolvimento de problemas cardíacos, doença de Alzheimer, etc.). Os sistemas e métodos descritos no presente documento têm o potencial de trazer à tona um deslocamento de paradigma no diagnóstico primário com grandes implicações para a saúde geral da população.

[00230] Por exemplo, os sistemas descritos no presente documento podem permitir que laboratórios do sono cubram uma grande quantidade de pacientes a custos significativamente reduzidos. Isso pode ser realizado de modo competente com informações comparáveis, como poderiam ser obtidas com o uso de um estudo de "rastreamento rápido" (isto é, sem nenhuma informação específica para sugerir, por exemplo, que uma montagem de EEG completa é necessária). O uso- padrão do laboratório do sono, então, poderia se tornar um recurso para pacientes/circunstâncias complexas e incomuns, ao passo que a maior parte dos testes de pacientes será realizada em suas residências.

[00231] Os pacientes frequentemente vão a uma clínica do sono com uma reclamação de sonolência e/ou fadiga. Alguns dos sistemas conforme descrito no presente documento serão iguais a um processo em laboratório (por exemplo, taxas de apneia de REM versus NREM), e também podem permitir uma melhor avaliação de insônia que, em geral, não foi submetida ao estudo de PSG, devido à percepção de que a razão de custo-benefício não é "rentável". Isso pode abrir as portas para um melhor diagnóstico (inclusive diagnóstico errôneo de depressão) e rastreamento de longo prazo de função.

[00232] Ainda em outra modalidade, os ensinamentos no presente documento podem permitir a examinação pré-cirúrgica de pacientes para a previsão de problemas potenciais durante e após a anestesia. É um fato conhecido que há uma relação próxima entre o sono e a anestesia. Os estudos clínicos mostraram que pacientes que experimentam problemas respiratórios durante o sono estão em risco de desenvolver complicações durante e após a administração de vários regimes anestésicos. Há indicações de que a examinação pré-cirúrgica de problemas respiratórios durante o sono irão se tornar o padrão de cuidados em um futuro próximo devido às taxas de morbidade e mortalidade significativas relacionadas aos problemas durante e após a anestesia. Atualmente, a única solução que considera o aspecto cerebral de respirações é possível através de testes dispendiosos disponíveis em laboratórios do sono. Além disso, há custos para o paciente devido ao deslocamento e possíveis dias de afastamento do trabalho. Os laboratórios de sono não poderiam testar os grandes volumes de pacientes que são submetidos à cirurgia.

[00233] Os sistemas no presente documento podem fornecer diagnósticos de sono automatizados para o consultório familiar. Um GP pode realizar estudos do sono sem um conhecimento profundo a respeito do sono (o mesmo se aplica a outras especialidades com interesse em diagnósticos de sono, por exemplo, a respirologia ou a psiquiatria). O sistema, então, pode gerar um relatório similar a uma contagem de células sanguíneas na hematologia, incluindo parâmetros de sono clínicos e se os mesmos estiverem fora da faixa, é possível encaminhar o paciente a um especialista do sono.

[00234] Os sistemas no presente documento podem ser úteis para detectar a debilitação devido à sonolência, de modo a avisar e registrar níveis de risco, potencialmente usados para motoristas, operadores de instalações que exigem uma vigilância aumentada e em que erros podem ter consequências catastróficas.

[00235] Adicionalmente, os ensinamentos no presente documento podem ser úteis devido à observação de que a excitação de sono aumentada medida durante 10 dias por ano prevê a doença de Alzheimer. Esse sistema pode oferecer uma alternativa de baixo custo a diagnóstico de imageamento, facilitando, assim, os testes de examinação.

Claims (15)

1. Sistema (100) para analisar o sono em um sujeito, caracterizado pelo fato de que compreende: uma pluralidade de eletrodos configurada para capturar uma pluralidade de sinais elétricos fisiológicos, a pluralidade de sinais elétricos fisiológicos compreendendo pelo menos dois sinais de eletromiograma (EMG) e pelo menos dois sinais eletroencefalográficos (EEG) do sujeito, em que um primeiro sinal de EEG do pelo menos dois sinais de EEG e um primeiro sinal de EMG dos pelo menos dois sinais de EMG são capturados entre um primeiro eletrodo posicionável no couro cabeludo do sujeito na posição A1 e um eletrodo de referência (REF), em que um segundo sinal de EEG de pelo menos dois sinais de EEG e um segundo sinal de EMG dos pelo menos dois sinais de EMG são capturados entre um segundo eletrodo posicionável no couro cabeludo do sujeito na posição A2 e o eletrodo de referência; um módulo de pontos finais configurado para estimar uma pluralidade de limites de complexidade nos pelo menos dois sinais de EEG entre uma pluralidade de estágios; um módulo de interpretador eletromiográfico configurado para determinar os níveis característicos dos pelo menos dois sinais de EMG para cada um de um estado de movimento não rápido do olho (NREM), um estado de vigília e um estado de movimento rápido do olho (REM); um módulo de complexidade de REM (116) configurado para estimar uma complexidade característica dos pelo menos dois sinais de EEG e uma atividade de EMG característica dos pelo menos dois sinais de EMG, em que a complexidade característica e a atividade de EMG característica são estimadas com base em toda a pluralidade de estágios que se correlacionam com o estado de REM; e um módulo de ciclo de estagiamento configurado para gerar um hipnograma para uma pluralidade de épocas, em que uma classificação de cada época em um de um estágio de sono de NREM, um estágio de vigília e um estágio de REM, é determinada com base na comparação de uma complexidade de época de cada época respectiva para os limites da complexidade.

2. Sistema, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende ainda pelo menos um pré-processador (110) para filtrar pelo menos um canal da pluralidade de sinais elétricos fisiológicos.

3. Sistema, de acordo com qualquer uma das reivindicações 1 ou 2, caracterizado pelo fato de que compreende ainda pelo menos um módulo de análise de período digital (112) operável para fornecer uma distribuição contínua de ondas em pelo menos uma banda de frequência da pluralidade de sinais elétricos fisiológicos.

4. Sistema, de acordo com qualquer uma das reivindicações 1 a 3, caracterizado pelo fato de que compreende ainda um analisador de espectro (114) operável para detectar artefatos e transientes de curta duração em pelo menos dois sinais de EEG.

5. Sistema, de acordo com qualquer uma das reivindicações 1 a 4, caracterizado pelo fato de que compreende ainda um detector de movimento rápido do olho e movimento lento do olho (SEM) configurado para discriminar entre sono de REM e SEM.

6. Sistema, de acordo com qualquer uma das reivindicações 1 a 5, caracterizado pelo fato de que o sistema (130) compreende ainda um módulo de pontos finais de REM configurado para refinar os limites de complexidade de cada um da pluralidade de estágios que se correlacionam com o estado de REM.

7. Sistema, de acordo com qualquer uma das reivindicações 1 a 6, caracterizado pelo fato de que o estagiador (130) compreende ainda um módulo de REM de síntese (140) para sintetizar sinais de movimento rápido do olho com base em episódios de movimento rápido do olho detectados.

8. Sistema, de acordo com qualquer uma das reivindicações 1 a 7, caracterizado pelo fato de que o estágio (130) compreende ainda um módulo de ciclo de estagiamento (142) que prossegue época em época e emite um dos um ou mais estágios de sono.

9. Sistema, de acordo com qualquer uma das reivindicações 1 a 8, caracterizado pelo fato de que compreende ainda um processador acoplado à pluralidade de eletrodos e ao estagiador e configurado para: - determinar quando o sujeito está experimentando um estado de sono associado a deficiência; - avisar o sujeito da deficiência; e - logar pelo menos um nível de risco associado à deficiência.

10. Sistema, de acordo com a reivindicação 9, caracterizado pelo fato de que o sujeito é um motorista de veículo.

11. Sistema, de acordo com qualquer uma das reivindicações 1 a 8, caracterizado pelo fato de que compreende ainda um processador acoplado à pluralidade de eletrodos e ao estágio e configurado para determinar que o sujeito pode ter doença de Alzheimer quando o aumento do despertar do sono é observado acima de um limiar particular.

12. Sistema, de acordo com a reivindicação 11, caracterizado pelo fato de que o limiar específico é de dez dias de aumento do despertar do sono por ano.

13. Sistema, de acordo com qualquer uma das reivindicações de 1 a 8, caracterizado pelo fato de que compreende ainda um processador acoplado à pluralidade de eletrodos e ao estágio e configurado para determinar que um problema potencial é provavelmente baseado em um estagiamento do sono diagnosticado.

14. Uso do sistema, de acordo com qualquer uma das reivindicações 1 a 8, caracterizado pelo fato de que é para diagnosticar o sono.

15. Método para analisar o sono em um sujeito, caracterizado pelo fato de que compreende as etapas de: - aplicar uma pluralidade de eletrodos a um sujeito, a pluralidade de eletrodos compreendendo um primeiro eletrodo aplicado no couro cabeludo do sujeito na posição A1, o segundo eletrodo aplicado no couro cabeludo do sujeito na posição A2 e um eletrodo de referência, a pluralidade de eletrodos configurados para capturar uma pluralidade de sinais elétricos fisiológicos, a pluralidade de sinais elétricos fisiológicos compreendendo pelo menos dois sinais de eletromiograma (EMG) e pelo menos dois sinais eletroencefalográficos (EEG) do sujeito, em que um primeiro sinal de EEG dos pelo menos dois sinais de EEG e um primeiro sinal de EMG dos pelo menos dois sinais de EMG são capturados entre um primeiro eletrodo e o eletrodo de referência, em que um segundo sinal de EEG dos pelo menos dois sinais de EEG e um segundo sinal de EMG dos pelo menos dois sinais de EMG são capturados entre o segundo eletrodo e o eletrodo de referência; - receber os pelo menos dois sinais de EMG e os pelo menos dois sinais de EEG; - estimar uma pluralidade de limites de complexidade nos pelo menos dois sinais de EEG entre uma pluralidade de estágios; - processar o sinal de EMG para determinar os níveis característicos dos pelo menos dois sinais de EMG para cada um de um estado de movimento não rápido do olho (NREM), um estado de vigília e um estado de movimento rápido do olho (REM); - estimar uma complexidade característica dos pelo menos dois sinais de EEG e uma atividade de EMG característica dos pelo menos dois sinais de EMG, em que a complexidade característica e a atividade de EMG característica são estimadas com base em toda a pluralidade de estágios que se correlacionam com o estado de REM; - refinar os limites de complexidade para cada pluralidade de estágios que se correlacionam com o estado de REM; e - gerar um hipnograma para uma pluralidade de épocas, em que uma classificação de cada época em um de um estágio de sono de NREM, um estágio de vigília e um estágio de REM, é determinada com base na comparação de uma complexidade de época de cada época respectiva com os limites de complexidade.

Images