Polissonografia Digital Requisitos de Software para Estagiamento Automático do Sono

Transcrição

1 Polissonografia Digital Requisitos de Software para Estagiamento Automático do Sono Engª Marise Miranda 1, Aristides Tavares dos Santos 2, Prof. Dr. Carlos José Reis de Campos 3 1 Mestre em Engenharia - Doutoranda em Informática em Saúde, Universidade Federal do Estado de São Paulo (UNIFESP), Brasil 2 Mestrando em Informática em Saúde, Universidade Federal do Estado de São Paulo (UNIFESP), Brasil 3 Médico Neurologista - Vice Coordenador do Programa de Pós Graduação em Informática em Saúde, Universidade Federal do Estado de São Paulo (UNIFESP), Brasil Resumo Modelos de sistemas automáticos usados na detecção e classificação dos estágios do sono humano tem sido objetos de muitas pesquisas de interesse clínico no processo de classificação dos sinais polissonográficos para estudo do sono humano, visando investigar distúrbios respiratórios e neurológicos. A análise visual de um exame de polissonografia com duração média de 8 horas é cansativa e exige atenção por parte do especialista. Através de técnicas computacionais aplicadas à polissonografia digital pode-se automatizar o estagiamento do sono, auxiliando o especialista em saúde na análise de problemas relacionados ao sono. O levantamento de requisitos auxilia na determinação de algoritmos que possam ser aplicados na etapa de processamento do sinal dos estágios do sono para garantir a qualidade do estagiamento automático. Palavras-chave: sono, processamento computacional, sinais biológicos. Abstract Automatic system models regarding the detection and classification of human sleep stage has been object of many researches of clinical interests in the signals recognition process the polysomnography for human sleep studies, in the respiratory and neurological events. The visual analysis in polysomnography with around duration of 8 hours is tedious and demands specialist s attention. Through applied computational techniques to the digital polysomnography makes be automatic staging sleep, to assist the health s specialist in the analysis of trouble related with sleep. The requirements assists in the algorithms specials that can be applied in the stage of signal processing in the automatic sleep staging quality. Key-words: sleep, computational processing, biological signals. Introdução A análise dos registros polissonográficos é uma técnica para a investigação de distúrbios do sono, fornecendo informação dos registros de sinais biológicos da atividade elétrica cerebral. O sono não é um estado homogêneo, havendo dois estados distintos, sono REM e NREM. O sono em que ocorrem os movimentos rápidos dos olhos REM (rapid eye movements) ocupa cerca de 20 % do sono em um adulto e é tão importante quanto o restante do sono denominado de NREM (Não REM), dividido em quatro fases, chamadas de estágios, de 1 a 4 [1]. Os dois estados do sono, REM e NREM alternam-se em ciclos, durante o período de 8 horas de sono, associando-se os sonhos aos movimentos oculares rápidos. O sono é dividido dentro dos seguintes estágios: vigília, estágio 1 sonolência, estágio 2 sono leve, estágio 3 sono profundo, estágio 4 - sono muito profundo e sono REM [1]. Para auxiliar os especialistas na análise dos sinais registrados durante o sono, em 1968 definiram-se critérios de monitoramento e estagiamento, padrão esse ainda adotado, representado na Figura 1 [2]. O monitoramento do sono busca por sinais típicos indicados para análise dos registros polissonográficos. No estagiamento do sono é feita a classificação de cada estágio, sua duração e quantidade de ocorrências ao longo de uma noite de sono. A classificação é feita em períodos de 30 segundos do exame chamados épocas, até os dias atuais ainda é usada a mesma sistematização para o chamado estagiamento do sono. No estagiamento avaliam-se padrões eletrencefalográficos específicos e ritmos cerebrais (ondas alfa, ondas de atividade lenta, fusos do sono, complexos K e outros) conjuntamente com o

2 tônus muscular e os movimentos oculares. O termo polissonografia passou a ser utilizado a partir de 1974, dois anos após serem incluídos na rotina do exame o registro da freqüência cardíaca e os transdutores respiratórios pelo grupo de Stanford em São Francisco na Califórnia [3]. CLASSE DESCRIÇÃO DO SINAL SINAL AMOSTRADO O EEG exibe ritmo alfa quando o sujeito se encontra relaxado com os olhos fechados. Esse ritmo se altera quando o sujeito está tenso, ou mesmo com os olhos abertos. Também pode se encontrar o ritmo alfa, mesmo com os olhos abertos, se o indivíduo está sonolento. Atividade de relativa baixa voltagem e freqüências mistas. Mista porque é comum a presença de artefatos, além de pequenas faixas de atividade teta que fragmenta o ritmo alfa. Atividade de baixa voltagem e freqüências mistas. Basicamente, a diferenciação do estágio 2 para o estágio 1, se dá em dois padrões específicos conhecidos como fuso e complexo K. Os fusos são compostos por ondas de 12 a 14 Hz com duração de 0,5 a 1,5 seg., enquanto que os complexos K são descritos como ondas agudas negativas bem delineadas, imediatamente seguidas por um componente positivo. Apresenta um mínimo de 20% e um máximo de 50% de ondas de 2 Hz com amplitudes maiores que 75 µv de pico a pico por época. As ondas de atividade lenta, maior que 75 µv de pico, devem ser predominantes, estando presentes em pelo menos 50% na época analisada. O padrão do EEG para o sono REM também é caracterizado pela relativa baixa voltagem e freqüências mistas. Embora esse estágio se chame REM o simples movimentos dos olhos não é suficiente para indicar esse estado do sono. Isso acontece uma vez que o fenômeno não é contínuo, pois muitos indivíduos não apresentam o movimento rápido dos olhos. Vigília Estágio 1 Estágio 2 Estágio Estágio REM 3 4 impressas registradas em torno de 30 segundos cada, de sinais compostos em média de 18 canais. Sendo esta uma das vantagens para a automatização no processo de classificação dos sinais do sono, diminuindo a análise dos especialistas apenas em segmentos previamente selecionadas pelos algoritmos computacionais. Somando-se a isso, a difusão do desenvolvimento de recursos tecnológicos como computadores e programas, permitiu uma grande facilidade no que se refere ao registro, à análise e à interpretação dos dados registrados [3]. Entretanto, o levantamento de requisitos para o desenvolvimento de um sistema de estagiamento automático requer a compreensão da estrutura do sono humano e a importância do seu monitoramento, considerando os critérios de classificação e padrões de sinais. Especificação para o monitoramento e estagiamento automático do sono São vários os sinais utilizados na análise do sono, conforme Figura 2. Os sinais essenciais utilizados em polissonografia são o eletroencefalograma (EEG) atividade elétrica cerebral, o eletrooculograma (EOG) movimento dos olhos e o eletromiograma (EMG) - atividade elétrica muscular [2]. Esses sinais são captados por equipamentos especializados em registros fisiológicos, através de eletrodos e transdutores, sendo eles convertidos de sinais analógicos para sinais digitais, que serão processados posteriormente por algoritmos computacionais especializados. Figura 1 Padrões definidos para estagiamento do sono (Adaptado de CARSKADON e RECHTSHAFFEN, 1994) Pesquisas têm sido realizadas para automatizar o processo de monitoramento e estagiamento na classificação dos sinais polissonográficos para estudo do sono humano, visando investigar distúrbios respiratórios e neurológicos [4]. Por ser um exame que tem a duração em torno de 8 horas, ou seja, uma noite de sono, a análise visual é um processo lento e cansativo por parte do especialista em saúde, devendo ser revisadas centenas de páginas SINAL EEG EOG EMG A1,A2 ORIGEM Atividades cerebrais Movimentos oculares Queixo Referência auricular Figura 2 Sinais biológicos mais utilizados na análise dos distúrbios do sono Exemplos de padrões dos sinais acima estão representados na Figura 3, mostram formas típicas

3 de sinais como modelos de padrões a serem identificados e analisados [5]. a/b - ondas com picos elevados c - ondas de amplitude baixa d - ondas de amplitude alta e - ondas de freqüência baixa f - ondas de freqüência alta Figura 3 Exemplos de padrões de ondas cerebrais para análise do especialista Vários critérios de seleção ou detecção são usados no desenvolvimento de métodos de automatização do monitoramento e estagiamento do sono, para distinguir sinais característicos de interesse na análise do especialista. No monitoramento do sono são utilizados os filtros passa alta, passa baixa e filtro de incisura para eliminação dos ruídos de 60 Hz sobrepostos aos sinais de interesse [2]. Como esses sinais não são estacionários, ou seja, grande variabilidade no tempo, técnicas de classificação tradicionais por transformadas de Fourier não conseguem compensar as rápidas alternâncias da base ortogonal (funções senos e co-senos) no domíno da frequência [6]. A técnica que tem propiciado menor erro, utilizando a redundância na aproximação, é a Transformada de Wavelets (TW). A implementação desse algoritmo, em programas de computador, torna-se mais fácil devido a grande número de aplicações disponíveis. Em termos computacionais requer menor tempo de processamento, consumindo menos ciclos por máquina. A TW aproxima os vários espectros no domínio da freqüência utilizando a redundância das funções em intervalos muito curtos [7]. Outros estudos implementaram algoritmos de classificação diferentes, no entanto, o custo computacional não foi levado em consideração nos relatos, apenas a eficiência do algoritmo, que para muitos casos não resultou em melhorias consideráveis. Técnicas diversas podem ser utilizadas para cobrir as necessidades do monitoramento como o reconhecimento de padrões de sinais, detecção de ondas de freqüências elevadas ou picos de amplitudes nos sinais associados ao sono usando técnicas de filtragem, aproximação Baysiana (número de características ocorridas nas proximidades), e até técnicas de redes neurais. A polissonografia digital, além do monitoramento, é utilizada para o estagiamento automático do sono, simulando o procedimento e o raciocínio de especialistas em saúde, implementando seu modelo em um programa de computador. A representação gráfica exibe parâmetros importantes sobre o estagiamento, durante as 8 horas de sono aproximadamente, permitindo a análise visual pelo especialista dos resultados obtidos de modelos matemáticos automatizados, comparação com outros modelos, extração de dados, tais como, o índice de acerto de cada estágio específico. O método gráfico para representar a distribuição dos diferentes estágios do sono sobre determinados intervalos de tempo tem sido feito através do hipnograma (Figura 4), caracterizando a duração dos estágios e suas transições [8]. Figura 4 Representação de um hipnograma Os algoritmos representando modelos matemáticos estatísticos e probabilísticos são implementados no estagiamento automático para exibir graficamente a dinâmica do sono. Esses algoritmos visam propiciar a quantificação de períodos que o paciente acordou durante o sono e permitem a montagem do hipnograma, representando todos os estágios durante uma noite. Assim, o médico poderá determinar a qualidade do sono, identificar anormalidades e estabelecer com precisão o diagnóstico correto.

4 Um simples algoritmo de densidade probabilística poderia representar apenas a transição entre o estado acordado e dormindo, porém não ofereceria a representação dos critérios definidos para o estagiamento do sono. Os parâmetros em um modelo de hipnograma, levam em consideração, a distribuição cumulativa dos estágios em vários períodos, a probabilidade da aproximação de estágios distintos, a probabilidade da transição instantânea entre estágios, taxa de ocorrência das transições, intervalos curtos, entre outros dados [9]. Em geral, são aplicados modelos de processos estocásticos para representar, de modo estimado, o hipnograma, considerando os padrões definidos de estagiamento do sono. Entretanto, o que deve ser levado em consideração no desenvolvimento de programas computacionais, previstos para estas aplicações, vai muito além do levantamento de requisitos e especificações de algoritmos, desenvolvimento do software, da implementação até a manutenção desse sistema depois que entrou em operação [10]. É necessário avaliar o custo da implementação de algoritmos complexos e a carga em seu processamento. O modelo representado a seguir, na Figura 5, para polissonografia digital, procura cobrir de modo simplificado os requisitos mínimos para a etapa inicial do desenvolvimento do projeto. Esses requisitos contemplam a representação gráfica na tela do computador, escala de tempo variável, variação de faixas de amplitudes, montagens e remontagens dos sinais, aplicação de filtros digitais e outras técnicas matemáticas [11]. em quais etapas devem estar incorporadas às funcionalidades exigidas (Tabela 1): Etapa de apresentação dos dados Etapa de Processamento de dados Interface do Usuário (funcionalidades e interação) Sinais Impressora (impressão de configurações selecionadas) Plotagem Sinais Polissonografia (configuração de montagens de sinais) Sinais tela (alteração amplitude e tempo seleção de sinais) Métodos quantitativos de análise de dados (faixas de amplitude e freqüência filtros passa alta, baixa e faixa, filtro 60 Hz), inversão de fase. Métodos qualitativos de análise dos dados (artefatos, séries de transformadas e derivadas). Reconhecimento de padrões técnicas estatísticas e Inteligência Artificial. Detecção e classificação dos estágios do sono hipnograma. Integração dos dados integração com outras tecnologias Tabela 1 Funcionalidades mínimas de cada subsistema da Polissonografia Digital Para a etapa de processamento de dados são englobados todos os algoritmos matemáticos de quantificação, classificação, seleção e de reconhecimento de padrões utilizados no projeto. É nesta etapa que são incorporados filtros digitais adaptativos, transformadas de séries matemáticas, relações de domínio do tempo e freqüência, e também processos estatísticos, considerando-se o custo da implementação e do processamento [12]. A adoção de programação de código aberto e linguagem multiplataforma como a Java, permite a uso de bibliotecas já desenvolvidas de uso livre, como rotinas de filtros digitais, rotinas de amplificação do sinal, dentre outras [13]. Discussão e Conclusão Figura 5 Modelo para polissonografia digital Cada pacote de subsistema deve ser detalhado de acordo com a percepção do analista no entendimento das necessidades do clínico. O modelo serve também para esclarecer ao usuário Os conhecimentos adquiridos em pesquisas e a evolução dos programas de computador para o estagiamento do sono são crescentes. Novos algoritmos de detecção são testados nesses programas, destacando-se o uso de técnicas de estatísticas e redes neurais que aprendem os modelos matemáticos. No entanto, muitos métodos

5 de avaliação, inseridos nos softwares não ganharam a popularidade na prática clínica [5]. A limitação não está nos resultados dos recursos computacionais, nem tão pouco na teoria do processamento de sinais, mas na ambigüidade do padrão definido para o estagiamento e na análise dos sinais pelos especialistas, que na prática conduzem à geração de modelos matemáticos imprecisos. Tais modelos não levam em consideração a experiência desses especialistas. Não trata situações de sono natural e induzido por medicamentos, considera apenas o padrão de sono em adultos. Estas desvantagens podem ser corrigidas futuramente, na proposta dos requisitos, levar-se-á em consideração a abordagem do código aberto para que outros modelos matemáticos possam ser experimentados, atendendo a interoperabilidade com outros sistemas e compatibilizando recursos com necessidades mais específicas. Referências [1]Niedermeyer, E. Sleep and EEG. In: Niedermeyer, E. and SILVA, F.L. Electroencephalography. Basic Principles, Clinical applications, and related fields. 5 Ed. Lippincott Willian&Wilkins, Philadelphia, p , [2]Carskadon, M. A. e Rechtschaffen, A. Monitoring and Staging Human Sleep. In: Kryger, M., Roth, T. e Dement, W. Principles and Practice of Sleep Medicine. 2. Ed. USA: W. B. Saunders Company, p , [3]Bustamante, G. O., Monitorização polissonográfica aspectos gerais. Simpósio Distúrbios Respiratórios do sono, Medicina de Ribeirão Preto, Volume 39, número 2, p , [4]Nieuwenhuijs, D. Processed EEG in natural sleep, PubMed, Vol 13. Issue 2, Marc, p 49 56, [5]Agarwal, R. e Gotman, J., Digital Tools in Polysomnography. Journal of Clinical Neurophysiology. American Clinical Neurophysiology Society, Número 19, Volume 2, p , [7]Reddy, D. C., Biomedical Signal Processing Principles and Techiniques. McGraw-Hill, p , [8]Agarwal, R. e Gotman, J.. Computer-Assited Sleep Stanging, IEEE Transactions on Biomedical Engineering, Número 12, Volume 48, p , [9]Reddy, D. C., Biomedical Signal Processing Principles and Techiniques. McGraw-Hill, Cap 5 Sleep EEG, p , [10]Somerville, I. Engenharia de Software. Editora Addison Wesley, São Paulo, 6 ed, cap 1, p 12 18, [11]Park, H. Automated Sleep Stage Analysis Using Hybrid Rule-Based and Case-Based Reasoning, Tese de doutorado, Interdisciplinary Program of Medical and Biological Engineering Major, p 10 16, [12]Wiederhold, G. e Shortliffe, E. H. System Design and Engineering. In: Shortliffe, E.H; Perreault, L.E; Wiederhold, G and Fagan, L.M. Medical Informatics: Computer Applications in health care and biomedicine. Second Edition, Springer-Verlag, New York,. p , [13]Reis, C. R., Caracterização de um processo de Software para projetos de Software Livre, Dissertação de Mestrado, Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo, p 93 94, , Contato Carlos Jose Reis de Campos cjcamp@dis.epm.br Marise Miranda miranda-pg@dis.epm.br Aristides Tavares dos Santos aristides-pg@dis.epm.br [6]Rangayyan, R. J., Biomedical Signal Analysis A case study approach. Wiley Student Edition, IEEE Press, p , 2004.