Belun Ring Gen3 深度學習算法與下頸骨體感應器的驗證

簡要摘要

假說：BR的Gen3 DL演算法結合其劍突下（subxiphoid）身體感測器，能準確診斷阻塞性睡眠呼吸暫停（OSA）、分類其嚴重程度、辨識REM型OSA及仰臥型OSA，並偵測中樞性睡眠呼吸暫停（CSA）。 主要目標： 透過與 attended in-lab PSG（金標準）進行比較，嚴格評估搭載Gen3 DL演算法及劍突下身體感測器的BR，在因臨床疑似睡眠呼吸暫停且STOP-Bang分數 > 3而轉介至睡眠實驗室的個體中，評估其睡眠呼吸障礙（SDB）的整體表現。 次要目標： 透過與 in-lab PSG 比較，判定BR使用Gen3 DL演算法之睡眠分期參數的準確性； 評估BR心律不整偵測演算法的準確性； 評估CPAP對HRV（時域與頻域）、delta HR、缺氧負荷及PWADI於分夜研究（split night studies）中的影響； 評估任何基線HRV參數（時域與頻域）、delta心率（簡稱Delta HR）、缺氧負荷、脈搏波振幅下降指數（PWADI），或這些參數的變化，是否可預測CPAP順從性； 評估BR達到OSA診斷所需之最低品質資料持續時間； 檢驗由國立臺灣大學醫學院附設醫院（NTUH）及東北俄亥俄醫學大學（NEOMED）所建立之OSA預測AI模型，作為OSA篩檢工具的表現。