預測CPAP呼吸機對大腦健康的影響：一項使用睡眠 EEG 得出的大腦年齡指數的研究
目標
這項縱向研究調查了CPAP呼吸機治療對阻塞性睡眠呼吸暫停 (OSA) 患者大腦健康的潛在積極影響。
為此，我們旨在采用睡眠腦電圖 (EEG) 得出的大腦年齡指數 (BAI) 來量化CPAP呼吸機對大腦健康的影響，
并使用機器學習方法識別CPAP呼吸機對大腦衰老的個體差異影響。
方法
我們回顧性分析了接受CPAP呼吸機治療（n = 98）和未接受治療的阻塞性睡眠呼吸暫停患者（n = 88），
并進行了至少 12 個月的多導睡眠圖隨訪。BAI 是通過從預測的大腦年齡中減去實際年齡來計算的。
為了研究CPAP呼吸機治療前后的 BAI 變化，
我們比較了接受CPAP呼吸機治療和未接受治療的阻塞性睡眠呼吸暫停患者的年度 ΔBAI。
為了確定個體差異的CPAP呼吸機效果和影響CPAP呼吸機效果的因素，
我們采用機器學習方法根據患者的基線臨床特征預測哪些患者表現(xiàn)出積極結果（年度 ΔBAI 為負）。
結果
CPAP呼吸機治療組顯示年度 ΔBAI 低于未治療組（-0.6 ± 2.7 vs. 0.3 ± 2.6 年，p < 0.05）。
CPAP呼吸機的 BAI 降低在呼吸暫停、減肥手術和CPAP呼吸機研究隊列中獨立重現(xiàn)。
基線時阻塞性睡眠呼吸暫停更嚴重的患者在未治療時顯示更多的正年度 ΔBAI（=加速大腦老化），
而在接受CPAP呼吸機治療時顯示更多的負年度 ΔBAI（=減緩大腦老化）。
機器學習模型在預測CPAP呼吸機結果方面實現(xiàn)了高準確度（高達 86%）。
解讀
CPAP呼吸機治療可以緩解阻塞性睡眠呼吸暫停患者的大腦老化，尤其是在阻塞性睡眠呼吸暫停嚴重情況下。
睡眠 EEG 衍生的 BAI 有潛力評估CPAP呼吸機對大腦健康的影響。
該研究深入了解了CPAP呼吸機的效果，并強調了基于 BAI 的預測模型在阻塞性睡眠呼吸暫停管理中的實用性。
（葉妮摘自 Ann Clin Transl Neurol 臨床神經病學雜志. 2024 May;11(5):1172-1183）
