Le diagnostique du syndrome d’apnées du sommeil (SAS) nécessite la pose et l’analyse d’une polygraphie ou une polysomnographie (PSG). Ces examens demeurent coûteux et les délais d’attente peuvent atteindre plusieurs mois. De plus, cette pathologie étant généralement asymptomatique avec une prévalence importante après 50 ans, un diagnostic chez le plus grand nombre pourrait s’avérer bénéfique pour la prévention de ses conséquences sur la morbi-mortalité. Pour ces raisons, des Méthodes de détection « allégées » sont mises au point ces dernières années.

Le calcul de la suite des intervalles RR et une reconstruction des mouvements thoraciques (ECG-derived respiration, EDR) sont réalisés sur des ECG provenant d’enregistrements PSG. Un apprentissage profond avec une architecture en réseau de neurones récurrents (RNN) a été ensuite effectué sur ces deux signaux RR et EDR afin d’identifier les évènements respiratoires (apnées, hypopnées, obstructives ou centrales). L”apprentissage a été réalisé sur 128 patients et l’algorithme obtenu testé sur 50 (AHI : 33,2±28,1nb/h [min : 0,3 ; max : 118,2]).

Le coefficient de corrélation intra-classe entre l’AHI mesuré par la méthode RNN et par la PSG est de 0,89 et l’analyse de Bland-Altman montre un biais de +4,9nb/h et une limite de concordance (95 %) de ±11,7nb/h.

L’apprentissage profond a donc permis de prédire avec une bonne précision la présence de SAS à partir d’un simple ECG nocturne et pourrait être adapté pour la détection rapide et à faible coût du SAS dans de larges populations.