美國研究人員展示了一種經過訓練的人工智慧演算法，該演算法通過分析睡眠測試的視頻記錄，可以識別快速眼動睡眠行為障礙 (RBD) —— 這是一些嚴重神經系統疾病的早期預警信號。

由西奈山醫院科學家領導的研究團隊表示，RBD 可能發生在其他方面健康的成年人身上，在美國影響約 100 萬人，全球影響約 8000 萬人，但"幾乎在所有病例中，都是帕金森病或失智症的早期徵兆。"

RBD 患者會在快速眼動睡眠階段通過發聲和突然的暴力性手臂和腿部動作來實際演繹生動且常常令人不快的夢境，這個階段約佔整晚睡眠的 20%。通常情況下，快速眼動睡眠階段不應該有身體活動，這個階段也是做夢最常發生的時期。

RBD 的發病通常是漸進的，但會隨時間惡化，在嚴重的情況下可能導致患者或睡眠伴侶受傷。研究人員指出，這種疾病很難診斷，通常需要進行夜間睡眠研究或多導睡眠圖檢查，這需要在睡眠實驗室過夜，而且經常會與其他疾病混淆。

在發表於《神經病學年鑒》雜誌的研究中，研究人員指出，雖然在睡眠研究期間會系統地記錄視頻數據，但"這些數據很少被審查，而且在測試解讀後往往會被丟棄。"

一個主要問題是，由於床單或毯子可能會遮擋 RBD 活動，人們認為需要使用非常昂貴且並不普及的研究級 3D 攝像機來檢測該疾病。

然而，西奈山團隊表示，通過將他們的演算法應用於普通的 2D 攝像機可以規避這個問題，研究中的診斷準確率接近 92%。他們的研究集中在睡眠中心對約 80 名 RBD 患者的記錄，以及一個對照組約 90 名無 RBD 但有其他睡眠障礙或無睡眠問題的患者。

西奈山伊坎醫學院運動障礙和肺部、重症監護及睡眠醫學專家 Emmanuel During 表示："這種自動化方法可以在解讀睡眠測試期間整合到臨床工作流程中，以增強和促進診斷，避免漏診。"

她補充道："這種方法還可以根據睡眠測試期間顯示的動作嚴重程度來指導治療決策，最終幫助醫生為個別患者定製護理計劃。"