Innovación en sueño
Resumen: Los avances en la medicina del sueño han impulsado mejoras significativas en el diagnóstico y tratamiento de trastornos del sueño como la apnea obstructiva del sueño (AOS). Este trastorno afecta a mil millones de personas en todo el mundo, y tradicionalmente el diagnóstico se basa en la pol...
Saved in:
| Main Authors: | , , , , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Elsevier
2024-10-01
|
| Series: | Open Respiratory Archives |
| Subjects: | |
| Online Access: | http://www.sciencedirect.com/science/article/pii/S2659663625000062 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1823856635098955776 |
|---|---|
| author | Laura Vigil Toni Zapata Andrea Grau Marta Bonet Montserrat Montaña María Piñar |
| author_facet | Laura Vigil Toni Zapata Andrea Grau Marta Bonet Montserrat Montaña María Piñar |
| author_sort | Laura Vigil |
| collection | DOAJ |
| description | Resumen: Los avances en la medicina del sueño han impulsado mejoras significativas en el diagnóstico y tratamiento de trastornos del sueño como la apnea obstructiva del sueño (AOS). Este trastorno afecta a mil millones de personas en todo el mundo, y tradicionalmente el diagnóstico se basa en la polisomnografía (PSG), un método laborioso que requiere personal especializado. Sin embargo, la integración de la inteligencia artificial (IA) en la medicina del sueño ha permitido automatizar el análisis de las fases del sueño y de los eventos respiratorios con alta precisión.Los algoritmos de aprendizaje automático y las redes neuronales han demostrado ser efectivos en la codificación automática del sueño, con tasas de acierto comparables a las de los expertos humanos. Estos avances permiten mejorar la eficacia de los laboratorios del sueño y personalizar el tratamiento de la AOS. Además, técnicas como el análisis de clústeres se utilizan para identificar patrones sintomáticos y fenotipos, lo que mejora la comprensión de la fisiopatología de la AOS y optimiza el tratamiento con CPAP.Sin embargo, la implementación de la IA en los hospitales se enfrenta a barreras tecnológicas, éticas y legales. Los desafíos incluyen la calidad de los datos, la privacidad del paciente y la necesidad de personal especializado. A pesar de estos obstáculos, la IA y el Big Data tienen el potencial de transformar la atención médica de los trastornos del sueño, mejorando tanto el diagnóstico como la adherencia al tratamiento, siempre que se superen las barreras regulatorias y culturales. Abstract: Advances in sleep medicine have driven significant improvements in the diagnosis and treatment of sleep disorders such as obstructive sleep apnea (OSA). This disorder affects one billion people worldwide and traditionally, diagnosis is based on polysomnography (PSG), a laborious method that requires specialized personnel. However, the integration of artificial intelligence (AI) in sleep medicine has made it possible to automate the analysis of sleep phases and respiratory events with high accuracy.Machine learning algorithms and neural networks have proven to be effective in automatic sleep coding, with hit rates comparable to those of human experts. These advances make it possible to improve the efficiency of sleep labs and to personalize OSA treatment. In addition, techniques such as cluster analysis are used to identify symptomatic patterns and phenotypes, which improves understanding of OSA pathophysiology and optimizes CPAP treatment.However, implementation of AI in hospitals faces technological, ethical, and legal barriers. Challenges include data quality, patient privacy, and the need for specialized personnel. Despite these obstacles, AI and Big Data have the potential to transform medical care for sleep disorders, improving both diagnosis and treatment adherence, provided regulatory and cultural barriers are overcome. |
| format | Article |
| id | doaj-art-0446563c70744156aa9f39c49f6ab451 |
| institution | Kabale University |
| issn | 2659-6636 |
| language | English |
| publishDate | 2024-10-01 |
| publisher | Elsevier |
| record_format | Article |
| series | Open Respiratory Archives |
| spelling | doaj-art-0446563c70744156aa9f39c49f6ab4512025-02-12T05:32:46ZengElsevierOpen Respiratory Archives2659-66362024-10-016100402Innovación en sueñoLaura Vigil0Toni Zapata1Andrea Grau2Marta Bonet3Montserrat Montaña4María Piñar5Autor para correspondencia.; Unidad Multidisciplinar del Sueño, Servicio de Neumología, Parc Taulí Hospital Universitari, Institut d’Investigació i Innovació Parc Taulí (I3PT-CERCA), Universitat Autònoma de Barcelona, Sabadell, Barcelona, EspañaUnidad Multidisciplinar del Sueño, Servicio de Neumología, Parc Taulí Hospital Universitari, Institut d’Investigació i Innovació Parc Taulí (I3PT-CERCA), Universitat Autònoma de Barcelona, Sabadell, Barcelona, EspañaUnidad Multidisciplinar del Sueño, Servicio de Neumología, Parc Taulí Hospital Universitari, Institut d’Investigació i Innovació Parc Taulí (I3PT-CERCA), Universitat Autònoma de Barcelona, Sabadell, Barcelona, EspañaUnidad Multidisciplinar del Sueño, Servicio de Neumología, Parc Taulí Hospital Universitari, Institut d’Investigació i Innovació Parc Taulí (I3PT-CERCA), Universitat Autònoma de Barcelona, Sabadell, Barcelona, EspañaUnidad Multidisciplinar del Sueño, Servicio de Neumología, Parc Taulí Hospital Universitari, Institut d’Investigació i Innovació Parc Taulí (I3PT-CERCA), Universitat Autònoma de Barcelona, Sabadell, Barcelona, EspañaUnidad Multidisciplinar del Sueño, Servicio de Neumología, Parc Taulí Hospital Universitari, Institut d’Investigació i Innovació Parc Taulí (I3PT-CERCA), Universitat Autònoma de Barcelona, Sabadell, Barcelona, EspañaResumen: Los avances en la medicina del sueño han impulsado mejoras significativas en el diagnóstico y tratamiento de trastornos del sueño como la apnea obstructiva del sueño (AOS). Este trastorno afecta a mil millones de personas en todo el mundo, y tradicionalmente el diagnóstico se basa en la polisomnografía (PSG), un método laborioso que requiere personal especializado. Sin embargo, la integración de la inteligencia artificial (IA) en la medicina del sueño ha permitido automatizar el análisis de las fases del sueño y de los eventos respiratorios con alta precisión.Los algoritmos de aprendizaje automático y las redes neuronales han demostrado ser efectivos en la codificación automática del sueño, con tasas de acierto comparables a las de los expertos humanos. Estos avances permiten mejorar la eficacia de los laboratorios del sueño y personalizar el tratamiento de la AOS. Además, técnicas como el análisis de clústeres se utilizan para identificar patrones sintomáticos y fenotipos, lo que mejora la comprensión de la fisiopatología de la AOS y optimiza el tratamiento con CPAP.Sin embargo, la implementación de la IA en los hospitales se enfrenta a barreras tecnológicas, éticas y legales. Los desafíos incluyen la calidad de los datos, la privacidad del paciente y la necesidad de personal especializado. A pesar de estos obstáculos, la IA y el Big Data tienen el potencial de transformar la atención médica de los trastornos del sueño, mejorando tanto el diagnóstico como la adherencia al tratamiento, siempre que se superen las barreras regulatorias y culturales. Abstract: Advances in sleep medicine have driven significant improvements in the diagnosis and treatment of sleep disorders such as obstructive sleep apnea (OSA). This disorder affects one billion people worldwide and traditionally, diagnosis is based on polysomnography (PSG), a laborious method that requires specialized personnel. However, the integration of artificial intelligence (AI) in sleep medicine has made it possible to automate the analysis of sleep phases and respiratory events with high accuracy.Machine learning algorithms and neural networks have proven to be effective in automatic sleep coding, with hit rates comparable to those of human experts. These advances make it possible to improve the efficiency of sleep labs and to personalize OSA treatment. In addition, techniques such as cluster analysis are used to identify symptomatic patterns and phenotypes, which improves understanding of OSA pathophysiology and optimizes CPAP treatment.However, implementation of AI in hospitals faces technological, ethical, and legal barriers. Challenges include data quality, patient privacy, and the need for specialized personnel. Despite these obstacles, AI and Big Data have the potential to transform medical care for sleep disorders, improving both diagnosis and treatment adherence, provided regulatory and cultural barriers are overcome.http://www.sciencedirect.com/science/article/pii/S2659663625000062Artificial intelligenceMachine learningSleep apnea |
| spellingShingle | Laura Vigil Toni Zapata Andrea Grau Marta Bonet Montserrat Montaña María Piñar Innovación en sueño Open Respiratory Archives Artificial intelligence Machine learning Sleep apnea |
| title | Innovación en sueño |
| title_full | Innovación en sueño |
| title_fullStr | Innovación en sueño |
| title_full_unstemmed | Innovación en sueño |
| title_short | Innovación en sueño |
| title_sort | innovacion en sueno |
| topic | Artificial intelligence Machine learning Sleep apnea |
| url | http://www.sciencedirect.com/science/article/pii/S2659663625000062 |
| work_keys_str_mv | AT lauravigil innovacionensueno AT tonizapata innovacionensueno AT andreagrau innovacionensueno AT martabonet innovacionensueno AT montserratmontana innovacionensueno AT mariapinar innovacionensueno |