L’objectif de cette étude est d’évaluer l’utilisation de la puissance spectrale du signal EEG pendant le sommeil paradoxal dans un modèle de détection automatique de l’insomnie par apprentissage statistique.

Nous avons analysé plus de 300 polysomnographies (PSG) de bons dormeurs et d’insomniaques chroniques. La puissance spectrale du signal EEG a été extraite et divisée en bandes au moyen de FFT pour chaque fenêtre scorée en REM et NREM. Pour chaque PSG, la moyenne des époques REM et NREM a été retenue pour chaque bande de puissance. Un classificateur a été entrainé avec ces moyennes sur une partie des données pour détecter automatiquement le diagnostic d’insomnie chronique. La performance globale est évaluée grâce au test Kappa de Cohen sur un sous ensemble des données inutilisées durant l’entraînement. L’importance de chaque variable a été déterminée par la méthode de la ROC AUC. Cette méthode permet d’identifier les bandes de fréquence départageant les bons dormeurs des patients insomniaques.

Nos résultats indiquent que les oscillations prédominantes pendant le REM (Theta, Beta) et NREM (ondes lentes, fuseaux) donnent lieu à une meilleure séparation des bons dormeurs et des insomniaques. Ces résultats indiquent une modification spécifique des différentes phases de sommeil pendant l’insomnie.

Nos résultats indiquent des différences importantes entre bons dormeurs et insomniaques pendant le REM et pour les oscillations cérébrales spécifiques du sommeil paradoxal. Cette nouvelle approche pourrait permettre l’élaboration d’outils facilitant le diagnostic de l’insomnie.