29/03/2022

Análise de inteligência artificial de movimentos mandibulares permite a detecção precisa de bruxismo do sono fásico em pacientes com AOS: um estudo piloto

Por lbotler

Objetivo: A atividade do bruxismo do sono (SBx) é classicamente identificada pela captura da atividade eletromiográfica dos músculos mastigatórios masseter e/ou temporal (EMG-MMA) durante a polissonografia (PSG) em laboratório. Nosso objetivo foi identificar movimentos mandibulares estereotipados (MJM) em pacientes com SBx e desenvolver a detecção automática de atividades rítmicas dos músculos mastigatórios (RMMA) usando uma abordagem baseada em inteligência artificial (IA).

Pacientes e métodos: Este foi um estudo prospectivo e observacional de 67 pacientes com suspeita de apneia obstrutiva do sono (AOS) nos quais a PSG com EMG de masseter foi realizada com gravações simultâneas de MJM. O sistema usado para coletar MJM consistia em um pequeno dispositivo de hardware conectado ao queixo que se comunicava com uma infraestrutura baseada em nuvem. Um classificador multiclasse de aumento de gradiente extremo (XGB) foi treinado em 79.650 épocas de 10 segundos de dados MJM dos 39 indivíduos com histórico de SBx visando 3 rótulos: episódios de RMMA (n = 1.072), microdespertares (n = 1.311), e MJM ocorrendo na frequência respiratória (n=77.267).

Resultados: Validado em dados não vistos de 28 pacientes, o modelo mostrou uma concordância de época a época muito boa (Kappa = 0,799) e acurácia equilibrada de 86,6% foi encontrada para os eventos MJM ao usar padrões RMMA. Os episódios de RMMA foram detectados com sensibilidade de 84,3%. A análise da curva de característica operacional do receptor (ROC) de classe confirmou o desempenho bem equilibrado do classificador para RMMA (área ROC sob a curva: 0,98, intervalo de confiança de 95% [CI] 0,97-0,99). Houve boa concordância entre o modelo analítico MJM e a pontuação de sinal EMG manual de RMMA (viés mediano -0,80 eventos/h, IC 95% -9,77 a 2,85).

Conclusão: SBx pode ser identificado, quantificado e caracterizado de forma confiável com MJM quando submetido a análise automatizada suportada pela tecnologia de IA.