Нурлан Каримов 
Ночью, когда тело должно отдыхать, у некоторых людей мозг во сне превращает тело в сцену для резких движений, толчков или даже агрессивных действий. Это не просто беспокойные движения из-за кошмаров, а признаки сложного и часто неправильно понимаемого расстройства сна — нарушения поведения в фазе быстрого сна, или RBD (REM sleep behavior disorder).
RBD — это состояние, при котором люди физически «разыгрывают» свои сны во время фазы быстрого сна (REM). В этой фазе мозговая активность максимальна, и сновидения наиболее яркие. В норме во время REM-сна наступает временный паралич мышц, чтобы предотвратить физическое воплощение снов. Однако у людей с RBD этот естественный механизм «отключения» мышц дает сбой.
Чаще всего расстройство проявляется у здоровых людей старше 40 лет. На этой стадии его называют изолированным RBD (iRBD). Хотя слово «изолированное» может наводить на мысль о незначительности или временности проблемы, iRBD обычно является первым видимым признаком более глубокого патологического процесса. Почти во всех случаях оно становится ранним маркером таких заболеваний мозга, как болезнь Паркинсона или определенные типы деменции.
Считается, что до 1,5% взрослых среднего и пожилого возраста страдают iRBD, но многие из них не подозревают о своем состоянии. Расстройство легко пропустить, особенно при слабо выраженных симптомах. Иногда странные ночные движения замечает партнер. В других случаях люди узнают о расстройстве только после травмы, полученной во время более активного эпизода.
Точная диагностика iRBD всегда была сложной задачей, из-за чего многие случаи остаются невыявленными. Хотя поведение, связанное с разыгрыванием снов, такое как удары руками, крики или пинки, может указывать на расстройство, оно проявляется не каждую ночь. Иногда наблюдаются лишь кратковременные движения головы, конечностей или туловища, и не все они связаны со сновидениями.
Существующие скрининговые опросники часто неточны и могут ошибочно принимать за iRBD другие нарушения сна, например, апноэ во сне или синдром беспокойных ног. Единственный надежный способ подтвердить диагноз — это ночное исследование под названием видеополисомнография (vPSG). Оно включает ночевку в лаборатории, где специалисты собирают данные об активности мышц, движениях глаз и мозговых волнах. Но даже у этого «золотого стандарта» есть недостатки.
Анализ данных vPSG требует времени. Экспертам необходимо просмотреть каждый 30-секундный фрагмент REM-сна, отфильтровывая ложные сигналы, такие как подергивания, вызванные пробуждением или шумом. Этот процесс не только медленный, но и сложный, подверженный человеческим ошибкам. К тому же многие пациенты не демонстрируют ярких проявлений разыгрывания снов за одну ночь в лаборатории, что снижает вероятность зафиксировать расстройство.
Видеозаписи, сделанные во время исследования, содержат богатую информацию, но их часто игнорируют или удаляют после расшифровки результатов. Исследователи считают это упущенной возможностью.
В недавнем исследовании, опубликованном в Annals of Neurology и проведенном под руководством Медицинской школы Икан Медицинского центра Маунт-Синай, команда ученых нашла способ лучше использовать эти видеоданные. Они разработали систему искусственного интеллекта (ИИ) для анализа видеозаписей со стандартных 2D-камер, используемых в большинстве лабораторий сна.
Доктор Эммануэль Дюринг, профессор неврологии и медицины в Маунт-Синай, возглавлявший исследование, поясняет, что этот автоматизированный подход может быть интегрирован в клиническую практику при интерпретации исследований сна для улучшения и облегчения диагностики, а также для предотвращения пропущенных диагнозов.
Попытки использовать ИИ предпринимались и ранее. Ученые из Медицинского университета Инсбрука в Австрии уже создавали модель ИИ с использованием 3D-камер для выявления двигательных паттернов, связанных с RBD. Считалось, что такие камеры необходимы для фиксации глубины и обнаружения движения даже под одеялом. Однако они дороги и редко встречаются в реальных клиниках.
Команда Маунт-Синай совместно с экспертами по компьютерному зрению из швейцарской Федеральной политехнической школы Лозанны (École Polytechnique Fédérale de Lausanne) стремилась доказать, что обычные 2D-камеры справляются с задачей не хуже. Это те же камеры, которые уже установлены в большинстве лабораторий сна. Используя данные 172 человек, обследованных в Стэнфордском центре сна с 2016 по 2022 год, команда обучила свой ИИ отличать RBD от других нарушений сна.
В набор данных вошли 81 человек с подтвержденным iRBD и 91 человек с другими проблемами сна. Все пациенты были старше 40 лет, провели во сне не менее четырех часов, и у них было зарегистрировано не менее пяти минут REM-сна. ИИ анализировал изменения пикселей в каждом кадре видео для измерения движения, выделяя пять характеристик: частоту, продолжительность, интенсивность, скорость движений и общую неподвижность тела.
Результаты оказались впечатляющими. Анализируя только короткие движения — продолжительностью от 0,1 до 2 секунд — алгоритм достиг точности почти 92% в идентификации iRBD. Это лучший результат, зарегистрированный для данного метода на сегодняшний день. Модель превзошла даже предыдущие системы, основанные на дорогих 3D-камерах.
Это исследование имеет важные последствия. Оно не только снижает стоимость надежной диагностики, но и повышает безопасность пациентов. Раннее выявление iRBD позволяет принять превентивные меры: убрать острые предметы или передвинуть мебель, чтобы избежать травм во сне. В более серьезных случаях врачи могут начать тщательное наблюдение за признаками болезни Паркинсона или деменции.
Крайне важно, что такой инструмент может быть легко интегрирован в существующие системы лабораторий сна. Это означает, что клиницисты смогут начать использовать технологию без необходимости закупать новое оборудование или переобучать персонал.
Доктор Дюринг считает, что система также может помочь в подборе лечения. Он объясняет, что этот метод может использоваться для информирования о решениях по лечению на основе тяжести движений, проявленных во время исследования сна, и, в конечном итоге, помочь врачам персонализировать планы ухода для отдельных пациентов.
Исследование открывает перспективы для дальнейшей работы. Смогут ли домашние видеосистемы выявлять iRBD без необходимости посещения лаборатории? Помогут ли данные о движениях предсказать, у кого разовьется болезнь Паркинсона? Ответы на эти вопросы еще предстоит найти, но данная работа знаменует собой значительный шаг вперед. Используя интеллектуальные инструменты для извлечения скрытой информации из имеющихся данных, ученые нашли лучший способ понять тихий и ранний предупреждающий знак нейродегенерации, что обещает улучшение ухода, более быстрые ответы и безопасный сон для пациентов и их врачей.
