Inteligência artificial no estadiamento automático do sono por polissonografia: uma revisão sistemática e metanálise.

Descrição

O estadiamento do sono é etapa fundamental no diagnóstico dos distúrbios do sono e é realizado, atualmente, por especialistas treinados que analisam manualmente registros de polissonografia (PSG) em épocas de 30 segundos, classificando-as nos estágios Vigília (W), N1, N2, N3 e REM, de acordo com as diretrizes da American Academy of Sleep Medicine (AASM). Trata-se de processo custoso e com variabilidade interavaliador reconhecida, o que impõe restrições à escalabilidade dos serviços de diagnóstico do sono, inclusive nos hospitais universitários federais. Nas últimas décadas, algoritmos de inteligência artificial (IA), abrangendo técnicas de aprendizado de máquina (ML) e aprendizado profundo (DL), como redes neurais convolucionais (CNN), redes de memória de longo prazo (LSTM) e modelos Transformer, foram desenvolvidos para realizar esse estadiamento de forma automática a partir dos sinais brutos de EEG, EOG e EMG da PSG. Dezenas de estudos foram publicados com resultados heterogêneos, dificultando conclusões definitivas sobre a prontidão clínica dessas ferramentas. Este estudo busca sintetizar sistematicamente a evidência disponível sobre a acurácia desses algoritmos, com ênfase na estratificação por estágio específico do sono (W, N1, N2, N3 e REM) e por subgrupos clínicos relevantes, lacuna ainda não preenchida por nenhuma metanálise publicada. Considerando o papel do HUOL-UFRN como hospital universitário de referência para o Rio Grande do Norte, acredita-se que este estudo contribuirá para a qualificação da prática diagnóstica em distúrbios do sono no âmbito do SUS e para o embasamento de futuras decisões de incorporação de tecnologias de IA nos laboratórios de sono dos hospitais da rede HU Brasil.