在夜深人静时，当身体应该平静地躺在床上休息时，有些人却可能在表面之下经历着不同的事情。对于一些人来说，他们的梦境会让身体变成一个突然踢腿、抽搐甚至剧烈挥舞的舞台。这些并不是噩梦引起的不安动作，而是复杂且常常被误解的睡眠障碍——REM睡眠行为障碍（RBD）的症状。
早期迹象
RBD是一种人们在REM（快速眼动）睡眠期间会将梦境中的行为表现出来的状况。这是睡眠周期中大脑最活跃且做梦达到顶峰的部分。通常情况下，身体会在REM睡眠期间暂时瘫痪，以防止梦境被实际表现出来。但在患有RBD的人身上，这种自然的肌肉“关闭开关”失效了。
该障碍通常出现在40岁以上的健康人群中。在这个阶段，它被称为孤立性RBD（iRBD）。尽管“孤立”一词可能暗示问题较小或暂时，但iRBD通常是更深层次疾病的一个早期标志。几乎在所有情况下，它都是帕金森病或某些类型痴呆症的早期征兆。
为什么诊断如此困难
准确诊断iRBD一直不容易。这就是为什么许多病例会被忽视的原因之一。虽然像拳打、喊叫或踢腿这样的梦中行为可以强烈提示该障碍，但这些行为并不每晚都会发生。有时，伴侣可能会注意到夜间奇怪的动作。其他时候，人们只有在因极端事件受伤后才会意识到自己有这种障碍。
筛查问卷存在，但它们往往缺乏精确性。它们可能会将睡眠呼吸暂停或不安腿综合征等其他睡眠障碍误诊为iRBD。唯一真正确认诊断的方法是通过一种称为视频多导睡眠监测（vPSG）的过夜测试。这涉及在实验室中睡觉，同时团队收集关于肌肉活动、眼球运动和脑电波的数据。但即使是这个“金标准”测试也有其缺陷。
技术能够看到别人错过的东西
在由西奈山伊坎医学院领导的一项研究中，研究人员找到了一种更好的方法来利用这些视频数据。他们开发了一种人工智能（AI）系统，用于扫描大多数睡眠实验室使用的标准2D摄像机录制的视频。这项研究发表在《神经病学年鉴》上。
“这种自动化方法可以在解释睡眠测试时集成到临床工作流程中，以增强和促进诊断，并避免漏诊，”领导这项研究的Emmanuel During博士说。他是西奈山的神经病学和医学教授。
研究人员并不是第一个尝试这种方法的人。奥地利因斯布鲁克医科大学的科学家已经使用3D摄像机建立了一个AI模型，以识别与RBD相关的运动模式。那些摄像机被认为是必要的，因为它们可以捕捉深度并在毯子下检测运动。但它们价格昂贵且在现实世界诊所中很少见。
西奈山的研究团队以及来自瑞士洛桑联邦理工学院的计算机视觉专家希望证明普通的2D摄像机也能同样出色地完成这项工作。这些摄像机已经在大多数睡眠实验室中安装。使用从2016年至2022年在斯坦福睡眠中心测试的172人的数据，该团队训练他们的AI来区分RBD和其他睡眠状况。
数据集包括81名确诊iRBD患者和91名其他睡眠问题患者。所有患者都超过40岁，并且至少睡了四个小时，记录了五分钟或更长时间的REM睡眠。
为了测量运动，AI查看了每个视频帧中像素在一秒钟到下一秒钟的变化。然后，它从这些运动模式中提取出五个特征：运动发生的频率、持续时间、强度、速度以及整体的身体静止程度。
结果令人印象深刻。仅使用短时间（0.1至2秒）的运动，该算法在识别iRBD方面的准确率达到了近92%。这是迄今为止报道的最好结果。该模型甚至超过了依赖昂贵3D摄像机的先前系统。
更好的工具意味着更安全的夜晚
这项研究具有重大意义。它不仅降低了可靠诊断的成本，还提高了患者的安全性。早期知道一个人是否患有iRBD可以采取预防措施。这些措施可能包括锁好锋利物品或将家具移开以避免在睡眠中受伤。在更严重的情况下，医生可能会开始密切监测帕金森病或痴呆症的迹象。
更重要的是，像这样的工具可以直接融入现有的睡眠实验室系统。这意味着临床医生可以开始使用这项技术而无需购买新设备或重新培训员工。
During博士认为，该系统还可以帮助制定治疗方案。“这种方法还可以根据睡眠测试中显示的运动严重程度来指导治疗决策，并最终帮助医生为个别患者量身定制护理计划，”他解释道。
展望未来
这项研究还为进一步的研究打开了大门。家庭视频系统能否在没有实验室的情况下检测iRBD？运动数据能否帮助预测谁会发展成帕金森病？答案尚待观察，但这项工作标志着向前迈出的一大步。
通过使用智能工具解锁旧数据中的隐藏见解，科学家们找到了一种更好的方法来理解这种无声且早期的神经退化警告信号。对于患者和医生来说，这意味着更好的护理、更快的答案和更安全的睡眠。
(全文结束)
